SA515360446B1 - حوسبة سمة تسلسلية لتصنيف كفاءة قدرة - Google Patents
حوسبة سمة تسلسلية لتصنيف كفاءة قدرة Download PDFInfo
- Publication number
- SA515360446B1 SA515360446B1 SA515360446A SA515360446A SA515360446B1 SA 515360446 B1 SA515360446 B1 SA 515360446B1 SA 515360446 A SA515360446 A SA 515360446A SA 515360446 A SA515360446 A SA 515360446A SA 515360446 B1 SA515360446 B1 SA 515360446B1
- Authority
- SA
- Saudi Arabia
- Prior art keywords
- attribute
- sensor
- computing
- feature
- classification
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 92
- 238000012545 processing Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 31
- 230000033001 locomotion Effects 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 241001136792 Alle Species 0.000 claims description 2
- 244000035744 Hura crepitans Species 0.000 claims 2
- 241001233887 Ania Species 0.000 claims 1
- NOQGZXFMHARMLW-UHFFFAOYSA-N Daminozide Chemical compound CN(C)NC(=O)CCC(O)=O NOQGZXFMHARMLW-UHFFFAOYSA-N 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 claims 1
- 241000976416 Isatis tinctoria subsp. canescens Species 0.000 claims 1
- 241001274197 Scatophagus argus Species 0.000 claims 1
- 230000001012 protector Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 206010010904 Convulsion Diseases 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011022 opal Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- FLDSMVTWEZKONL-AWEZNQCLSA-N 5,5-dimethyl-N-[(3S)-5-methyl-4-oxo-2,3-dihydro-1,5-benzoxazepin-3-yl]-1,4,7,8-tetrahydrooxepino[4,5-c]pyrazole-3-carboxamide Chemical compound CC1(CC2=C(NN=C2C(=O)N[C@@H]2C(N(C3=C(OC2)C=CC=C3)C)=O)CCO1)C FLDSMVTWEZKONL-AWEZNQCLSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000189662 Calla Species 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 241000234435 Lilium Species 0.000 description 1
- 241000030538 Thecla Species 0.000 description 1
- RRLHMJHRFMHVNM-BQVXCWBNSA-N [(2s,3r,6r)-6-[5-[5-hydroxy-3-(4-hydroxyphenyl)-4-oxochromen-7-yl]oxypentoxy]-2-methyl-3,6-dihydro-2h-pyran-3-yl] acetate Chemical compound C1=C[C@@H](OC(C)=O)[C@H](C)O[C@H]1OCCCCCOC1=CC(O)=C2C(=O)C(C=3C=CC(O)=CC=3)=COC2=C1 RRLHMJHRFMHVNM-BQVXCWBNSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 235000012045 salad Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/28—Supervision thereof, e.g. detecting power-supply failure by out of limits supervision
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
- G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Power Sources (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephone Function (AREA)
- Debugging And Monitoring (AREA)
- Stored Programmes (AREA)
Abstract
يتعلق الاختراع الحالي بجهاز وطريقة لجدولة سمات معالج كفء في استهلاك القدرة power efficient processor scheduling. في أحد النماذج، يمكن جدولة السمات لحوسبة تسلسلي sequential computing (305)، ويمكن لكل سمة مجدولة استقبال عينة بيانات مستشعر sensor data في صورة مدخلات input. في أحد النماذج، يمكن أن تعتمد الجدولة في جزء منها على الأقل على استخدام القدرة المُقدَّرة لكل سمة مناظرة. في أحد النماذج، يمكن حوسبة computing السمة الأولى في الجدولة التسلسلية للسمات sequential schedule of features (310) وقبل حوسبة السمة الثانية في الجدولة التسلسلية للسمات، يمكن تقييم شرط الإنهاء termination condition (315). شكل 3.
Description
— \ — حوسبة سمة تسلسلية لتصنيف كفاءة قدرة Sequential feature computation for power efficient classification الوصف الكامل خلفية الاختراع يتعلق موضوع الاختراع المكشوف ade هنا بوجه عام بتقنيات إدارة القدرة power management وجدولة السمات feature scheduling يمكن تزويد الأجهزة الإليكترونية Electronic devices بعدة مستشعرات 5605015 ومدخلات 2 5 لمراقبة واكتشاف معلومات حول بيئة الجهاز. على سبيل المثال؛ يمكن استخدام مقياس التسارع accelerometer المقترن لقياس جوانب تحرك الجهاز. البرامج أو التطبيقات التي تعمل على جهاز يمكنها أن تستخدم على نحو متكرر البيانات المتلقاة من مستشعرات sensors مثل مقياس التسارع؛ ويمكنها على نحو متكرر معالجة البيانات الواردة من مستشعرات من أجل توفير خبرة Alek للمستخدم. في بعض الحالات يعالج الجهاز البيانات Ve الواردة باستمرار من عدة مستشعرات نشطة .active sensors في بعض الحالات؛ يمكن لشفرة أو برامج معالجة بيانات مستشعر استخدام كمية كبيرة Gia من مصادر القدرة | power resources يمكن أن يكون للمعالجة الثابتة و/أو RE لبيانات مستشعر جهاز تأثير كبير على طول الوقت الذي يمكن للمستخدم فيه استخدام الجهاز قبل فراغ البطارية. cade توجد حاجة لتقنيات جديدة ومحسّنة لمعالجة بيانات مستشعر 0818 sensor يستهلك ١٠ القدرة بكفاءة. يتعلق calla براءة الاختراع الأمريكي رقم 70081319717 ل Leyde’ بتحديد ما إذا كانت عملية معينة ضرورية بناءً على عوامل المخاطرة. على سبيل المثال؛ يناقش Leyde المراقبة المستمرة في أوقات معينة في حال ارتفاع احتمالية حدوث نوبة؛ والمراقبة غير المستمرة في أوقات أخرى في حال انخفاض احتمالية حدوث نوبة. لم يكشف Leyde أو يقترح "تحديد؛ بواسطة معالج؛ كمية ٠ مُقَذَرةِ من القدرة المطلوبة من قبل المعالج لحوسبة كل مجموعة سمات" كما أنه لم يكشف عن SAYA
ا تحديد جدولة لحوسبة تعتمد في جزءٍ منها على كمية القدرة المطلوبة. بدلاً من ذلك؛ يناقش الطلب في أحسن الأحوال المراقبة على مستويات مختلفة بناءًا على خطر حدوث النوبة. الوصف العام للاختراع يمكن أن تتعلق النماذج المكشوف عنها بجهاز يقوم بجدولة السمات لحوسبة تسلسلية د sequential computing يمكن أن يتضمن الجهاز ذاكرة memory ومعالج مقترن بالذاكرة .processor coupled to the memory يمكن أن يكون المعالج مهيئًا للقيام بالجدولة (Gay مجموعة سمات للحوسبة ؛ حيث تستقبل كل مجموعة سمات عينة بيانات مستشعر في صورة مدخلات؛ وحيث تعتمد الجدولة في جزءٍ منها على الأقل على استخدام pal 50800 لكل سمة مناظرة. في أحد النماذج؛ تتم حوسبة السمة الأولى قبل حوسبة السمة الثانية في الجدولة التسلسلية Y لسمات الحوسبة ويتم تقييم شرط الإنهاء termination condition في بعض النماذج؛ تشتمل الطريقة على حوسبة سمة أولى لمجموعة سمات مرتبة؛ حيث تستقبل كل مجموعة Glew عينة بيانات مستشعر في صورة مدخلات؛ وحيث يعتمد ترتيب مجموعة السمات على استخدام قدرة حوسبة 5180 لسمة واحدة على الأقل لمجموعة السمات؛ وتقييم؛ قبل حوسبة السمة الثانية مجموعة السمات المرتبة؛ شرط الإنهاء. في بعض النماذج؛ يتم ترتيب ١ مجموعة السمات على نحو متتالي. في بعض النماذج؛ تشتمل الطريقة Way على تقدير استخدام قدرة حوسبة لكل سمة من مجموعة السمات؛ وترتيب مجموعة السمات بناءًا على التقدير. في بعض النماذج؛ تشتمل الطريقة أيضًا على تحديد يتم الوفاء بشرط الإنهاء كنتيجة حوسبة السمة الأولى؛ وتصنيف عينة بيانات المستشعر. في بعض النماذج؛ تشتمل الطريقة أيضنًا على حوسبة السمة الثانية في الترتيب التسلسلي لسمات الحوسبة؛ يتم الوفاء بمتطلبات تحديد شرط الإنهاء نتيجة Ye لحوسبة السمة الثانية؛ وتصنيف عينة بيانات المستشعر. في بعض النماذج؛ تتولد عينة بيانات المستشعر من واحد أو أكثر من المستشعرات. في بعض النماذج؛ تكون المستشعرات عبارةة عن مستشعر واحد أو أكثر مما يلي: مقياس تسارع accelerometer ؛ جيروسكوب gyroscope ؛ مقياس شدة (المجالات) المغناطيسية magnetometer « أو 4< صوت microphone . SAYA
_ _ في بعض النماذج؛ يشتمل تقييم شرط الإنهاء على مقارنة السمة الأولى مع مجموعة بيانات تدريب. في ax النماذ ج؛ تشتمل الطريقة أيضًا على حوسبة Aad تأكد؛ als الوفا ء بتحديد شرط الإنهاء بناءًا على كون قيمة التأكد أكبر من القيمة الحديّة threshold value في بعض النماذج؛ يعتمد Wal ترتيب مجموعة السمات على الاحتمالية المقذّرة لسمة تصنيف عينة بيانات © المستشعر. في بعض or Sail تشتمل الطريقة Wan على مقارنة السمة الأولى مع عينة بيانات تدريب تمت حوسبتها مسبقًا. في بعض النماذج؛ تشتمل الطريقة على الحوسبة التسلسلية لواحد أو أكثر من سمات مجموعة سمات بناءًا على استخدام قدرة حوسبة المقدّر للسمات؛ حيث تستقبل كل مجموعة سمات عينة بيانات مستشعر في صورة مدخلات ¢ وتقييم شرط أ لإنها & قبل حوسبة سمات إضافية لمجموعة Ve السمات. في am النماذج؛ يتم تقييم شرط الإنها ء بعد حوسبة كل سمة. في Ua النماذ id تشتمل الطريقة Wal على تصنيف عينة بيانات المستشعر بناءًا على السمات التي تمت حوسبتها. شرح مختصر للرسومات شكل Ble ١ عن مخطط صندوقي لنظام ممكن فيه ممارسة جوانب الاختراع الحالي؛ شكل ؟ عبارة عن مخطط صندوقي لنظام يتضمن مستشعرات ووحدات معالجة توضيحية؛ في أحد ٠ النماذج؛ شكل ؟ يوضّح مخطط سير حوسبة سمة تسلسلية؛ في أحد النماذ id شكل ؛ يوضّح مخطط سير عملية (So تنفيذها بواسطة وحدة خصائص القدرة؛ في أحد النماذج؛ شكل © عبارة عن رسم بياني يوضّح بيانات تدريب لثلاثة فئات في مساحة للسمات؛ في أحد النماذ id ٠ شكل + يوضّْح مخطط سير عملية يمكن تنفيذها بواسطة وحدة جدولة؛ في أحد النماذ id شكل V يوضّْح مخطط سير أحد نماذج طريقة معالجة سمات لتصنيف Ala حركة؛ شكل QV يوضّْح مخطط سير أحد تماذ z طريقة معالجة سمات لتصنيف dla حركة ادر
El يوضّح مخطط سير أحد نماذج طريقة معالجة سمات للكشف عن الكلام؛ A JSS مخطط سير أحد نماذج طريقة معالجة السمات لتحديد موقع الجهاز؛ و xing 9 شكل مخطط سير أحد نماذج طريقة لتصنيف بيانات مستشعر. ming ٠١ شكل الوصف التفصيلىي: أو 'مثال" هنا على أنها تعني " كمثال على ذلك؛ مثلاً. أو LA يتم استخدام كلمة o موصوف هنا بأنه 'تمثيلي" أو 'كمثال" لا يلزم بالضرورة تفسيره z J gad أو ila التوضيح " أي id على أنه مُفضَلُ أو مفيد على جوانب أخرى أو نماذ نظرة عامة على الجهاز بيانات تمثيلي يمكن فيه ممارسة نماذج dallas عبارة عن مخطط صندوقي يوضّح نظام ١ شكل الجهاز ١٠٠)؛ الذي (JED الكشف الحالي. يمكن أن يكون النظام عبارة عن جهاز (على سبيل ٠ ius) vo memory الذاكرة ٠0١٠ واحد أو أكثر processors يمكن أن يتضمن معالج الجهاز .٠١١ network interface وواجهة شبكة V Vo في الفتح/ الغلق controller التحكم أن يتضمن عدد من مستشعرات الجهاز مقترنة بناقل واحد أو أكثر أو خطوط Wa) يمكن ٠ أن يتضمن شاشة Wal يمكن ٠٠١ ينبغي تقدير أن الجهاز .٠١١ إشارة مقترنة أيضنًا بالمعالج واجهة مستخدم (على سبيل المثال؛ لوحة مفاتيح؛ شاشة تعمل باللمس؛ أو VY display عرض Vo سبيل المثال؛ بطارية)؛ إلى جانب Ae) ١١١ power device أجهزة مشابهة)؛ جهاز قدرة ٠٠١ إليكترونية. في بعض النماذج ؛ يمكن أن يكون الجهاز Seals مكونات أخرى مرتبطة نمطيًا مقترنة بعدد من الأنظمة ٠١١ أن تكون واجهة الشبكة Wad جهاز متنقل أو غير متنقل. يمكن ؛ Bluetooth سبيل المثال؛ البلوتوث Ae) ١١١ wireless subsystems الفرعية اللاسلكية ؛ أو شبكات أخرى) لإرسال واستقبال تيارات البيانات عبر Cellular الخلوي « WiFi الواي فاي ٠ وصلة لاسلكية إلى/من شبكة لا سلكية؛ أو يمكن أن تكون واجهة سلكية للاتصال المباشر , , أو أنظمة لا سلكية « Ethernet ؛ إيثرنت Internet الإنترنت (Jl) الشبكات (على سبيل أخرى) . وبالتالي؛ يمكن أن يكون الجهاز : جهاز متنقل؛ جهاز لا سلكي؛ هاتف خلوي؛ 065 وسيلة حوسبة متنقلة ¢ personal digital assistant الرقمية الشخصية sac Lud أجهزة SAYA
-- mobile computer ؛ حاسوب لوحي tablet ؛ وسيلة حوسبة شخصية personal computer حاسوب حوسبة لوحي محمول laptop computer ؛ أو أي نوع من الأجهزة التي لها قدرات معالجة. يمكن أن يتضمن مستشعرات Jie lead مستشعر عن قرب 7١ proximity sensor © مستشعر الضوء في البيئة المحيطة ٠١ (ALS) ambient light sensor مقياس تسارع «V+ accelerometer جيروسكوب gyroscope £0 ٠؛ مقياس شدة (المجالات) المغناطيسية ٠٠11890610068٠ مستشعر ضغط بارومتري «Yoo barometric pressure sensor و/أو مستشعر تحديد مواقع .٠٠١ (GPS) Global Positioning Sensor alle في بعض النماذج؛ يتم استخدام مُكبّْر Vie microphones saa آلة تصوير ٠١ camera و/أو ٠ النظام الفرعي اللا سلكي ١١١ wireless subsystem كمستشعرات لتحليل بيئة الجهاز. على سبيل المثال؛ يمكن للصور من آلة تصوير ١7١ توفير بيانات لتحديد ما إذا كانت A) التصوير ٠ محجوبة بجسم خارجي مما يمكنه أن يساعد في تحديد موقع الجهاز (على سبيل المثال؛ ضمن باقة أو حقيبة المستخدم). الذاكوَة ٠١ يمكن أن تكون مقترنة بمعالج ٠١١ لتخزين معلومات لتنفيذها بواسطة معالج No) VO في بعض النماذج؛ تكون الذاكرة ٠١١ غير ثابتة. الذاكرة ٠١١ يمكن أيضًا أن تخزِّن نموذج واحد أو أكثر أو وحدات لاستخدام النماذج الموصوفة أدناه. الذاكرة ٠١ يمكن أيضنًا أن تخزَّن بيانات من مستشعرات متكاملة أو خارجية. بالإضافة إلى ذلك؛ ٠١ RAN يمكن أن تخزّن واجهات برامج تطبيقية (APIs) application program interfaces للولوج إلى الوحدات VV) accessing modules (على سبيل المثال؛ وحدة خصائص القدرة؛ وحدة جدولة؛ ووحدة Yo وسيلة تصنيف) الموصوفة بتفصيل أكثر أدناه. الذاكرة ٠١ يمكن أيضًا أن تخزّن ملفات التهيئة التي تصف معلومات دولة سمات محدّدة (Gil عينة بيانات تدريب؛ عينة بيانات مستشعر؛ أو خصائص قدرة متعلقة بفئات أو سمات. في حين تم توضيح الوحدات ١١7١ بشكل منفصل عن العناصر الأخرى في الجهاز ٠٠١ يمكن استخدام الوحدة IVY بشكل كامل أو جزئي بواسطة عناصر أخرى موضّحة في شكل ١؛ على سبيل المثال في المعالج ٠١١ و/أو الذاكرة ٠٠١١ أو SAYA
—y-
في معالج و/أو ذاكرة أخرى للجهاز ٠٠١ أو في عنصر واحد أو أكثر HAT للجهاز .٠٠١ تم
وصف التفاصيل الإضافية بخصوص استخدام الوحدة ١١7١ أدناه. ينبغي تقدير أنه يمكن استخدام نماذج الكشف بحسب ما يتم وصفها في هذه الوثيقة من تنفيذ التعليمات؛ على سبيل JU بحسب ما هو مخزَّن في الذاكرة ٠١١ أو عنصر آخرء بواسطة © معالج ٠١١ للجهاز و/أو دائرة al للجهاز و/أو الأجهزة الأخرى. dant دائرة «lead تتضمن على سبيل المثال لا الحصر معالج V0) يمكن أن يعمل تحت تحكم برنامج؛ روتين؛ أو تنفيذ المعلومات لتنفيذ طرق أوعمليات Ey لنماذج الكشف. على سبيل المثال؛ يمكن استخدام البرنامج المذكور في البرمجيات المضمنة أو البرمجيات Jo) سبيل المثال AR في الذاكرة ٠١١ و/أو مواقع أخرى) ويمكن تنفيذها بواسطة المعالجات» مثل معالج ٠٠١١ و/أو دائرة أخرى للجهاز.
٠ علاوة على ذلك؛ ينبغي تقدير أن مصطلحات معالج؛ معالج دقيق؛ الدوائر» وسيلة التحكم؛ الخ.؛ يمكن أن تشير على أي نوع من المنطق أو الدوائر القادرة على تنفيذ المنطق أوامر؛ تعليمات؛ برمجيات» برمجيات ثابتة؛ وظائف وما شابه. علاوة على ذلك؛ ينبغي تقدير أن بعض أو كل الوظائف؛ المحركات أو الوحدات الموصوفة هنا يمكنها تنفيذ بواسطة الجهاز نفسه و/أو يمكن تنفيذ بعض أو كل وظائف المحركات أو الوحدات
Aud أو واجهة ١١ الموصوفة هنا بواسطة نظام آخر متصل عبر وسيلة التحكم في الفتح/ الغلق VO (لا سلكيًا أو سلكيًّا ) بالجهاز. وبالتالي؛ يمكن تنفيذ بعض و/أو كل الوظائف بواسطة نظام ٠ آخر وكما يمكن إرسال النتائج أو الحسابات البينية لتعود مرة أخرى إلى الجهاز. في بعض النماذج» يمكن أن يشتمل جهاز آخر على خادم مهياً لمعالجة المعلومات في الوقت الفعلي أو بالقرب من الوقت الفعلي.
٠ في بعض النماذج؛ يكون الجهاز الآخر مهيئًا لتحديد النتائج Bie على سبيل المثال بناءًا على تهيئة معروفة للجهاز. علاوة على ذلك؛ يمكن حذف عنصر واحد أو أكثر تم توضيحه في شكل ١ من الجهاز .٠٠١ على سبيل JED يمكن حذف عنصر واحد أو أكثر للمستشعرات sensors ١159-٠ في بعض النماذج. نظرة عامة على حوسبة سمة تسلسلية
ادر
_ A —_
يمكن لجهاز معالجة أو حوسبة البيانات المتلقاة من واحد أو أكثر من المستشعرات (على سبيل JE المستشعر عن قرب (YYO ALS VY. مقياس تسارع 6 جيروسكوب (VE مقياس شدة (المجا لات) المغناطيسية (VO مستشعر ضغط بارومتري (YOO مستشعر ia الحرارة Ka 3١ GPS (Yo) صوت 5 dV تصوير 7١ النظام الفرعي اللا سلكي ١١ أو © المستشعرات (AY إلى مخرجات و/أو إرسال تقرير بمعلومات متعلقة ببيئة الجهاز. يمكن أن يلج الجهاز إلى وسيلة تصنيف نشطة على الدوام أو أغلب الوقت لترجمة واحد أو أكثر من التيارات أو عينات بيانات المستشعر. في أحد النماذج؛ يتم استخدام وسيلة التصنيف كواحد أو
أكثر من الوحدات أو المحركات بحسب ما هو موصوف بالتفصيل أدناه. شكل ١ عبارة عن مخطط صندوقي يوضّح قسم فرعي من الجهاز ٠٠١ يتضمن مستشعرات YAS ٠ ووحدات معالجة توضيحية VY) في أحد النماذج. يمكن أن تشتمل المستشعرات 785 على أي مستشعر عن قرب واحد أو أكثر مما يلي Ave ALS avy. مقياس تسارع 6 جيروسكوب م مقياس شدة (المجا لات ( المغناطيسية VO مستشعر ضغط بارومتري (YOO مستشعر درجة الحرارة GPS (Vo) temperature sensor 10 مُكبّر صوت 118 آلة تصوير VY النظام الفرعي اللا سلكي ١١١ أو المستشعرات الأخرى. يمكن استخدام الوحدات WY Vo مباشرةً في المكونات الصلبة أو البرمجيات الثابتة؛ على سبيل المثال كمكوّن فرعبي لجهاز ٠٠١ له معالج مكشوف عنه أو استخدام وحدة معالجة مشاركة مركزية (على سبيل (JU معالج .)٠١ بدلاً من ذلك؛ يمكن استخدام الوحدات في برمجيات تم تنفيذها بواسطة معالج؛ أو في توليفة من البرمجيات والمكونات الصلبة. يمكن أن تستقر وحدة البرمجيات في aa على سبيل (JU الذاكرة ٠١١ أو صورة أخرى من صور وسائط التخزين المعروفة في الفن. سيتمكن ٠ الأشخاص ذوي المهارة في الفن من إدراك أن الوحدات المكشوف عنها هنا يمكن أن تمثل معالجة وظيفية لتنفيذ جوانب حوسبة سمة تسلسلية يمكن استخدامها في عدة استخدامات متنوعة معروفة في الفن. في الوقت الذي تم فيه توضيح وحدة وسيلة تصنيف While the classifier module 4 » وحدة خصائص القدرة (YA ووحدة جدولة 795 على نحو منفصل موضّحة في شكل FV يمكن دمج وظيفة واحد أو أكثر للوحدات التالية أو يمكن توزيعها بطريقة مختلفة عن الموصوفة Yo أعلاه. على سبيل (JB يمكن دمج وحدة خصائص القدرة ٠50 power profile module
ادر
Le في بعض النماذج. على نحو مشابه؛ يمكن دمج Y40 scheduling module ووحدة الجدولة وحدة وسيلة التصنيف 799 ووحدة الجدولة 795 في بعض النماذج و/أو يمكن دمج وحدة وسيلة في بعض النماذج؛ أو يمكن دمج جميع وحدات 79٠0 التصنيف 794 ووحدة خصائص القدرة وسيلة التصنيف 799؛ وحدات خصائص القدرة 798 ووحدات الجدولة 795 في وحدة منفردة أو فصلها بين أكثر من ثلاثة وحدات. © )798 وحدة خصائص القدرة (JE في أحد النماذج؛ يمكن لوحدة خصائص القدرة (على سبيل سبيل Ao) تحديد استخدام القدرة المقدّر لحوسبة سمة. في أحد النماذج؛ يمكن لوحدة جدولة على جدولة معالجة سمة. في أحد WE وحدة الجدولة 795) تلقي بيانات مستشعر ويعمل (JE النماذج؛ يمكن لوحدة وسيلة التصنيف (على سبيل المثال؛ وحدة وسيلة التصنيف 799) معالجة أو حوسبة سمات من عينة بيانات مستشعر؛ وإخراج تصنيف. بحسب ما هو مستخدم في هذه الوثيقة؛ ٠ يمكن أن تتضمن عينة البيانات جزء من البيانات المتلقاة أو مخرج من مستشعر (على سبيل الجهاز). يمكن استخدام مخرجات وحدة وسيلة التصنيف 7195 بواسطة YAO المثال» مستشعرات ويمكن أن يشغل برنامج؛ ٠٠١ على الجهاز YAY سبيل المثال؛ يمكن تنفيذ تطبيق Je) تطبيق وسيلة تسجيل النشاط؛ تطبيق التقويم؛ أو برمجيات أخرى لقراءة تصنيفات بيانات مستشعر). في ve بشكل منفصل عن العناصر الأخرى في الجهاز YA) الوقت الذي تم فيه توضيح تطبيق Vo ؛١ بشكل كامل أو جزئي بواسطة عناصر أخرى موضّحة في شكل 79١ يمكن استخدام التطبيق أو في معالج آخر و/أو ذاكرة الجهاز Veo و/أو الذاكرة ٠١١ على سبيل المثال في المعالج .٠٠١ أو في عنصر واحد أو أكثر آخر الجهاز ٠ في بعض النماذج؛ لموازنة المنفعة مع استهلاك القدرة؛ وحدة وسيلة التصنيف 7994 يمكن استخدام وضع استهلاك القدرة المنخفض في الوقت الذي يتم فيه توفير تصنيف دقيق لبيانات مدخلات Ye سبيل le) مستشعر. في أحد النماذج؛ بدلاً من خفض استهلاك القدرة عن طريق إزالة الوظائف المثال» خفض عدد السمات المتاحة)؛ يمكن لوحدة وسيلة التصنيف 799 جدولة معالجة السمات بطريقة موفرة في القدرة إلى جانب الحفاظ على الوظائف العامة للجهاز. تشير السمات؛ بحسب ما هو مستخدم في هذه الوثيقة إلى النتيجة أو مخرجات عمليات الحوسبة _التي تم تنفيذها على البيانات (على سبيل المثال؛ مجموعة بيانات مستهدفة من مستشعر أو Yo ادر
-١.- مخرجات أخرى). يمكن استخدام السمات لتصنيف مجموعة البيانات. على سبيل المثال؛ عند إجراء الحوسبة على بيانات مقياس التسارع لتحديد واحد أو أكثر من السمات؛ يمكن تحليل السمات الناتجة لتصنيف مقياس التسارع البيانات (على سبيل المثال؛ لتحديد إذا كان من المحتمل لبيانات مقياس التسارع الإشارة إذا تم الكشف عن الحركة). في أحد النماذج؛ يمكن لوحدة وسيلة التصنيف 794 طلب أو تلقي البيانات من وحدة الجدولة © كما هو موصوف بتفصيل أكثر أدناه. يمكن لوحدة الجدولة 795 بكفاءة جدولة سمات YO للحوسبة بواسطة المعالج؛ بحيث يمكن خفض أو تجنب حوسبة السمات غير الضرورية. على سبيل المثال؛ بدلاً من حوسبة جميع السمات المرتبطة بعينة بيانات مستشعر؛ يمكن لوحدة الجدولة تحديد جدولة معالجة تستهلك القدرة بكفاءة لحوسبة السمات بحيث يتم خفض أو تقليل بشكل 5 أو Yao كبير عمليات الحوسبة التي تستهلك القدرة بكثافة. في أحد النماذج؛ يمكن لوحدة الجدولة ٠ وسيلة تصنيف 794 تلقي أو الولوج إلى تقديرات استخدام قدرة السمات (على سبيل المثال؛ saa (Ya من وحدة خصائص القدرة يمكن «JU في أحد النماذج؛ يمكن حوسبة واحدة أو أكثر من السمات بالتسلسل. على سبيل (على سبيل المثال؛ بالتسلسل) لحين Bye حسوبة كل سمة في مجموعة أو سلسلة سمات في كل بلوغ شرط الإنهاء. في بعض النماذج؛ يمكن حوسبة مجموعة السمات عند خطوة معينة أو مستوى ١ تسلسل. على سبيل المثال؛ يمكن لوسيلة التصنيف 799 حوسبة واحدة أو أكثر من السمات لحين حوسبة السمات من أجل تصنيف عينة بيانات مستشعر بدون لبس. في أحد النماذج» يكون التصنيف لا لبس فيه عند مقارنة سمة بمجموعة بيانات تدريب وتطابق السمة تقريبًا (على سبيل عندما تكون ضمن الحد) النتيجة المحسوبة مسبقًا المحدّد أن تكون مرتبطة بتصنيف معين. (JU تم وصف السمات وعمليات الحوسبة المرتبطة بها بمزيد من التفصيل أدناه. ٠ ١56 block مخطط سير حوسبة سمة تسلسلية؛ في أحد النماذج. عند الكتلة play © شكل تقوم وحدة الجدولة 7905 بجدولة سمات معتمدة على الاقل في جزءٍ منها على استخدام المقدّر للقدرة من أجل الحوسبة لكل سمة. في بعض النماذج؛ يمكن الإشارة إلى جدولة حوسبة السمات يمكن جدولة السمة أ قبل (JU) على أنها جدولة السمات؛ أو أي مصطلح آخر. على سبيل السمة ب لأن السمة أ لها خصائص استخدام قدرة حوسبة مقذّر أقل من السمة ب. في نماذج Yo ادر
-١١- وحدة وسيلة التصنيف 99 أو توليفة وحدة وسيلة التصنيف 7994 ووحدة 4g يمكن أن coal الجدولة 795 جدولة. يتم وصف جدولة السمات بتفصيل أكثر أدناه. يمكن للسمة (JB يمكن لوحدة وسيلة التصنيف 7994 حوسبة سمة. على سبيل 3٠١ عند الكتلة الأولى أن تكون عبارة عن المتوسط و/أو الانحراف المعياري للبيانات الخام من مقياس تسارع؛ أو المعاملات الأولى لنغمة طيف تردد للبيانات الخام من ٠٠0 على سبيل المثال مقياس التسارع © تم وصف حوسبة السمات بتفصيل أكثر .١6© الصوت 8G مكبر الصوت؛ على سبيل المثال أدناه. يمكن لوحدة وسيلة التصنيف 799 تقييم شرط الإنهاء بناءًا على السمة التي oF) 0 عند الكتلة تمت حوسبتها. على سبيل المثال؛ يمكن أن يتضمن تقييم شرط الإنهاء حوسبة قيمة تأكد وتحديد أن شرط الإنهاء تم الوفاء به عندما تكون قيمة التأكد أكبر من القيمة الحديّة للتأكد. في أحد ٠ النماذج؛ يمكن تحديد القيمة الحديّة للتأكد عن طريق مقارنة السمة مع مجموعة بيانات تدريب. في عالية يخول وحدة وسيلة التصنيف 799 من SB أحد النماذج؛ تحديد أن السمة توفّر تصنيف قيمة تخطي حوسبة السمات المجدولة الباقية) ومخرجات التصنيف. في أحد (Jia) سبيل Jo) الخروج عبر السمات لحين تحديد تصنيف قيمة تأكد عالية. YA النماذج» تتكرر وحدة وسيلة التصنيف المستشعر lily Ye في أحد النماذج؛ يمكن للجهاز قراءة أو تلقي البيانات من واحد أو أكثر من المستشعرات المتكاملة والمدخلات الموصوفة YAO واحد أو أكثر من المستشعرات (JU أو الخارجية (على سبيل أعلاه). يمكن للجهاز تلقي بيانات مستشعر خارجي من الأجهزة الخارجية المرتبطة عن طريق
Universal Serial عن طريق الاتصال بالناقل التسلسلي العام JB الاتصالات (على سبيل أو اتصال واي فاي بآلة تصوير خارجية عبر وسيلة التحكم في الفتح/ الغلق (USB) 8085 ٠ بيانات مستشعر خام لاستخدامها في حوسبة السمة بحسب ما هو AB يمكن للجهاز . 5 يمكن للجهاز أو البرنامج الوسيط معالجة بيانات المستشعر قبل (Al موصوف أدناه. في نماذج بيانات المستشعر بحسب ما هو مستخدم pd حوسبة السمة بالجهاز. من أجل تسهيل الوصف؛ البيانات المتلقاة من مقياس تسارع؛ (Jal سبيل Jo) في هذه الوثيقة إلى البيانات غير المعالجة ادر
_— \ \ _ مستشعر الضوء في البيئة المحيطة؛ مُكبّر صوت أو المستشعرات الأخرى). على سبيل المثال؛ يمكن أن تمتلك البيانات من مقياس تسارع خواص زمنية؛ تسارع بطول المحور X تسارع بطول المحور و3 وتسارع بطول المحور JZ بحسب del 8 gua gall مع هذاء يمكن تلقي بيانات المستشعر ومعالجتها بصور أخرى في بعض النماذج. © يمكن عمل عينات لبيانات من المستشعر مثل مقياس تسارع عند تردد معين (على سبيل المثالء ٠ هيرتزء Te هيرتز أو معدل آخر بناءًا على جهاز أخذ العينات ومتطلبات البيانات). في أحد النماذج؛ يتم تنفيذ حوسبة السمة على لحظة؛ شريحة؛ أو نافذة من الوقت plate من تيار أو مجموعة من البيانات من مستشعر. على سبيل (JU يمكن للجهاز حوسبة Glew من فترة زمنية قدرها ثانية واحدة مختارة من تيار أطول (على سبيل المثال؛ فترة زمنية قدرها ٠١ ثواني أو فترة ٠ زمنية أخرى) أو عينة من بيانات مستشعر. على سبيل المثال؛ يمكن أخذ عينات من بيانات مقياس التسارع الخام عند 6١0 هيرتز بحيث توقّر ١ ثانية من البيانات 6١0 عينة ثلاثية الأبعاد لعينات ناقل مقياس التسارع في المحور 4 المحور و3 والمحور 2 لصافي مدخلات يبلغ حجمها ae YA . في أحد النماذج؛ يمكن لوحدة وسيلة التصنيف 794 مقارنة عينة بيانات مستشعر بعينة بيانات تدريبية (على سبيل المثال؛ من مجموعة تدريبية تمت حوسبتها (Bre لتصنيف عينة بيانات Vo المستشعر . سمات الحوسبة في أحد النماذ z يمكن لوسيلة تصنيف (على سبيل JUL وحدة وسيلة التصنيف 99 ( القيام بالحوسبة؛ المعالجة؛ أو استخراج واحدة أو أكثر من السمات من بيانات مستشعر بحسب الموصوف أعلاه (على سبيل (JB) البيانات الخام من مكبّر الصوت؛ مقياس تسارع» مستشعر ٠ _ الضوء في البيئة المحيطة أو المدخلات الأخرى). على سبيل المثال؛ يمكن لوحدة وسيلة التصنيف تلقي في صورة مدخلات؛ بيانات مستشعر خام (على سبيل المثال؛ Le بيانات مستشعر) من مقياس تسارع؛ ومتوسط المخرجات و/أو الانحراف المعياري. يمكن استخدام المتوسط و/أو الانحراف المعياري لتحديد تصنيف (على سبيل المثال؛ الوقوف؛ أو الجلوس). في أحد النماذج؛ ادر
س١ تعد السمات عبارة عن call المخرجات؛ أو نتائج شفرة الحاسوب التي تم تنفيذها في الذاكرة Veo بواسطة المعالج .٠١١ تم وصف السمات التمثيلية بتفصيل أكثر أدناه. تحديد خصائص القدرة في أحد النماذج؛ يمكن لوحدة خصائص قدرة تقدير استهلاك القدرة للجهاز أثناء حسوبة السمة. © يمكن تحديد استهلاك القدرة Brae بناءًا على مجموعة بيانات التدريب. على سبيل المثال» يمكن أن تقوم السمة أ بحوسبة عدد من التكرارات لتقدير استخدام القدرة أثناء قيام الجهاز بحوسبة السمة أ. يمكن إجراء التقدير المذكور على الجهاز؛ أو على جهاز AT كما يمكن إرسال تقديرات القدرة إلى الجهاز. عند جدولة ترتيب أو تسلسل السمات؛ يمكن لوحدة خصائص القدرة اتخاذ مرجعيات تاريخية أو متوسط تعادل القدرة؛ فقدان شحنة البطارية؛ أو أي تمثيل آخر لاستخدام القدرة. يمكن ٠ أيضًا لوحدة خصائص القدرة حوسبة سمات أخرى لمقارنة استخدام القدرة Na) لسمة مع سمة أخرى. على سبيل المثال,يمكن لوحدة خصائص القدرة حوسبة عدد من التكرارات للسمة ب لتحديد استخدام القدرة الخاص بالسمة ب. يمكن إجراء هذا التقدير على الجهاز؛ أو على جهاز AT وتقديرات sal المرسلة إلى الجهاز. في أمثلة opal تتم حوسبة مجموعة أو سلسلة سمات مع بعضها البعض أو على التوازي كما يتم تسجيل استهلاك القدرة للمجموعة أو السلسلة بأكملها. Vo يمكن أن تمتلك السمات المختلفة أو مجموعات السمات المختلفة خطوات معالجة مختلفة أو ترتيب مختلف لخطوات معالجة شبيه. يمكن للجهاز وضع رتبة لترتيب سمات منفردة أو مجموعة سمات بدءًا من الأعلى استهلاكًا للقدرة إلى الأقل استهلاكًا للقدرة. في أحد النماذج؛ ترتبط خصائص القدرة لسمة ببرنامج أو تطبيق الشفرة المستخدمة في حساب السمة. في بعض النماذج؛ يتم تنفيذ خصائص القدرة على مجموعة من السمات. على سبيل المثال؛ بدلاً من أو بالإضافة إلى ذلك ٠ تحديد خصائص استخدام القدرة Nad لسمة واحدة؛ يتم تنفيذ مجموعة سمات على التوازي أو بالتسلسل ويتم تحديد خصائصها كمجموعة واحدة (على سبيل المثال؛ ترتبط خصائص القدرة Z باستخدام القدرة للسمات (Ts oF ٠ يمكن برامج أو مكونات صلبة أخرى؛ مثل وحدة وسيلة التصنيف؛ أو وحدة الجدولة؛ الولوج إلى خصائص القدرة. Yay من ذلك؛ تكون وحدة خصائص قدرة أو المحرك مدمجًا في sang lead) وسيلة التصنيف؛ أو وحدة الجدولة. ادر
_ \ ¢ —_
شكل ؛ ming مخطط سير عملية يمكن تنفيذها بواسطة وحدة خصائص القدرة؛ في أحد النماذج.
عند الكتلة v0 يمكن لوحدة خصائص القدرة قراءة بيانات المستشعر read sensor data
عند ce Ye all يمكن لوحدة خصائص القدرة حوسبة سمة بنا Ie على بيانات المستشعر .
عند الكتلة 0 ct) يمكن لوحدة خصائص القدرة تقدير وتسجيل استخدام القدرة المرتبطة بحوسبة
سمة. في أحد النماذج؛ يمكن لوحدة خصائص القدرة حوسبة السمة نفسها على عدة تكرارات
وتسجيل متوسط استخدام القدرة لسلسلة من التكرارات.
عند الكتلة 47١ يمكن لوحدة خصائص القدرة تحديد القيام بتحديد خصائص سمات إضافية أو
مختلفة أم لا بواسطة العودة إلى الكتلة .4٠١ في أحد النماذج؛ يمكن أن تكون السمات من بيانات
مستشعر مختلفة أو من نفس بيانات المستشعر Jie السمات الأولية التي تمت حوسبتها Bl عند ٠ الكتلة 4٠١
عند الكتلة 4705؛ يمكن لوحدة خصائص القدرة تحديد عدم أخذ المزيد من السمات في دور
الانتظار لتحديد الخصائص ويمكنها إخراج ملخص عن السمات التي تم تحديد خصائصها. على
سبيل المثال؛ يمكن لوحدة خصائص القدرة إخراج ملف أو تسجيله JS سمة تم تحديد خصائصها
وباستخدام القدرة المقدّر المرتبط بها. في بعض النماذج؛ يمكن لوحدة وسيلة التصنيف و/أو وحدة ١ الجدولة الولوج J) ملخص المخرجات وجدولة السمات لمعالجتها بناءًا على استخدام القدرة
التاريخي Nd) في مخلص المخرجات.
في بعض النماذج؛ تم حساب خصائص القدرة على جهاز منفصل مثل نظام تدريب أو خادم؛ كما
أن نتائج خصائص القدرة على نظام تدريب تم حفظها على ملف أو قاعدة بيانات للولوج إليها عن
طريق وحدة خصائص قدرة مقترنة بجهاز (على سبيل المثال؛ جهاز محمول). وعليه يمكن لوحدة ٠ خصائص القدرة التي تم تركيبها أو المقترنة بجهاز محول الولوج إلى خصائص قدرة محدّدة Bre
أو محوسبة مسبقًا ولا ينبغي لها حوسبة أو توليد خصائص قدرة قبل جدولة السمات في بعض
النماذج.
بيانات التدريب
ادر
اج \ _ في أحد النماذ جٍ يمكن لوحدة وسيلة التصنيف قراءة بيانات تدريب لتحديد خط أساس مرجعي لتصنيف سمات. على سبيل (JED يمكن لوحدة وسيلة التصنيف مقارنة سمة تمع الحسابات المسبقة للسمات المرتبطة بفئة لتحديد إذا كان بإمكان سمة Z تصنيف عينة بيانات مستشعر بدقة. شكل © يبين مخطط لبيانات تدريب على سبيل المثال فئات ٠ °) i 0(« ب ) ١ °) zs (° Yo °( في © مساحة السمات؛ في أحد النماذج. في هذا المثال؛ Jie المحور * 57٠0 نقاط البيانات للسمة ١ (على سبيل المثال؛ نتائج حوسبة السمة ١ من مجموعة البيانات). Jie المحور لا 575 نقاط البيانات للسمة (Ae) ١ سبيل المثال؛ نتائج حوسبة السمة ؟ من مجموعة البيانات). في هذا (JE يتم استخدام السمتين ١ و؟ لتصنيف تقاط البيانات على أنها تنتمي إلى واحدة من ثلاث فئات. السمة الأولى في هذا JU عبارة عن خفة الوزن (على سبيل (JU استخدام قدرة ٠ منخفض) بحيث يمكن للمعالج حوسبة السمة ١ باستخدام عمليات قليلة نسبيًا أو دورات بالمقارنة بالسمات الأخرى» مما ينتج عنه استهلاك قدرة أقل مقارنة بالسمة LY تكون السمة الثانية (السمة ALE )" في الوزن ويمكنها استخدام عمليات معالج أكثر تعقيدًا أو امتلاك دورات أكثر لتنفيذها؛ و استخدام قدرة ملحوظ بدرجة أكبر مقارنة بالسمة .١ شكل © يوضّح أن السمة ١ يمكن أن تكون مفيدة في التفرقة بين نقاط البيانات بين الفئة أ والفئتين Vo ب وج. مع هذاء قد لا تتمكن السمة ١ من التفرقة بدقة بين الفئة ب والفئة [FER z لذلكء يمكن لوحدة وسيلة التصنيف حوسبة السمة ؟ عندما لا تكون السمة ١ غير كافية لتحديد فئة بدرجة تأكد عالية. يمكن لوحدة وسيلة التصنيف القيام أولاً بحوسبة السمة ١ (سمة oF ٠ الخفيفة الوزن) ويمكنها تخطي حوسبة السمة ¥ (سمة © ؟- AEN الوزن) Laie تكون درجة التأكد عالية ob السمة ١ غير كافية لتحديد 488 ما. Yo من أجل مزيد من التوضيح لكيفية توفير القدرة في أحد النماذج؛ يبيِّن شكل 0 أربع إحداثيات تمثيلية على الرسم البياني عند =X «(oY0) Y- =X «(oY ٠ ) ¢ =X صفر ) ٠ 00(« و لال - -7,؛ (240). JU) الأول ming OF قيمة سمة تبلغ ؛ بعد حوسبة السمة .١ في المثال الأول المذكور oF تم تمثيل قيمة السمة ؛ على الرسم البياني كخط في مساحة السمات (الموضّحة Lally ادر yo عند القيمة ؛). في أحد النماذج؛ تستخدم وسيلة التصنيف الأقرب X المتقاطع مع المحور ٠ عينات بيانات تدريب والتقريب لتحديد التصنيف. يمكن لوسيلة التصنيف الأقرب القيام مباشرةً بدرجة عالية في الفئة أ لأن نقاط البيانات الأقرب (القيم الأقرب إلى SE بتصنيف البيانات وإنتاج (القيمة ؛) ترتبط بالفئة أ (الممثلة بنقاط البيانات المتكتّلة في ١ ؛؟ على المحور *) لنتيجة السمة الجزء الأيمن وسط الرسم البياني في شكل 0( وعليه؛ يمكن تحديد الفئة أ بسرعة وتعيينها بدون 5 ١ لحوسبة السمة pl تبلغ ؛. في هذا المثال؛ يتم حفظ استخدام ١ حوسبة السمة ؟ عندما السمة وتم خفض استهلاك الجهاز للقدرة مقارنة بالجهاز الذي يقوم بحوسبة كل سمة لكل فئة. في المثال الثاني المذكور؛ تكون قيمة .١ نتيجة -؟ عند حوسبة السمة ovo يوضّح المثال الثاني - عند X السمة عبارة عن خط في مساحة السمات (الموضّحة بالخط 070 المتقاطع مع المحور وعليه يكون من غير المحتمل تحديد تصنيف ذو Y= تبلغ ١ قيمة السمة (JU في هذا .)١ ٠ فقط. باستخدام وسيلة التصنيف الأقرب لتصنيف البيانات ١ درجة تأكيد عالية بناءًا على السمة (Y= (القيمة ١ مباشرةً ينتج عنه تأكد منخفض في الفئة أ لأن نقاط البيانات الأقرب لنتيجة السمة تكون أقرب للفئة ب والفئة ج من الفئة أ. علاوة على ذلك؛ لأن وسيلة التصنيف الأقرب لا يمكنها مع التأكد بدرجة عالية من تحديد ما إذا كانت الفئة ب أو الفئة ج هي الأقرب؛ يمكن عندها حوسبة السمة 7. في هذا المثال؛ تتم حوسبة السمة ؟ مما ينتج عنه سمة 7 بقيمة تبلغ ؛؛ الممثلة VO في الرسم البياني في صورة النقطة -7,؛ (540). يمكن تصنيف النقطة -7,؛ (240) على أنها بناءًا على بيانات التدريب) (JE من الفئة ب بدرجة تأكد عالية لأن النقاط الأقرب (على سبيل .8 ترتبط بالفئة (064) £,Y— إلى النقطة في المثال الثالث .١ يوضّح المثال الثالث 545 حوسبة السمة ؟ بقيمة تبلغ ؛ قبل حوسبة السمة المذكور 080 تم تمثيل السمة ؟ بقيمة تبلغ ؛ على الرسم البياني كخط في مساحة السمات ٠ (الموضّحة بالخط 45 المتقاطع مع المحور لا عند القيمة ؛). يمكن لوسيلة التصنيف الأقرب القيام مباشرةً بتصنيف البيانات وانتاج تأكد بدرجة عالية في الفئة ب لأن نقاط البيانات الأقرب (القيم الأقرب إلى ؛ على المحور لا) لنتيجة السمة ¥ (القيمة ؛) ترتبط بالفئة ب (الممثلة بنقاط البيانات المتكتّلة في الجزء الأيسر الأعلى من الرسم البياني في شكل ©). وعليه؛ يمكن تحديد الفئة في المثال الثالث المذكور؛ يمكن توفير قدرة المستخدمة .١ ب بسرعة وتعيينها بدون حوسبة السمة YO
SAYA
-١١/- حوسبة Wha وتم خفض استهلاك الجهاز للقدرة مقارنة بالجهاز الذي يتعين عليه ١ لحوسبة السمة . بعد سمة ١ السمة بقيمة تبلغ صفر قبل حوسبة سمة ؟. في المثال الرابع المذكور ١ يوضّح المثال الرابع 000 السمة بقيمة تبلغ صفر على الرسم البياني كخط في مساحة السمات (الموضّحة ١ تم تمثيل السمة 00 في هذا المثال .قد لا يتم تصنيف مجموعة .)٠ بالخط 000 المتقاطع مع المحور *# عند القيمة © بقيمة تبلغ صفر بدقة كبرة دون إجراء مزيد من المعالجة للسمة. استخدام وسيلة ١ التدريب؛ السمة ب» وج لأن نقاط of التصنيف الأقرب لتصنيف البيانات مباشرةً ينتج عنه تأكد منخفض في الفئة ب» وج of (تمتلك الفئات ١ لنتيجة السمة Gas ب؛ وج تكون جميعها قريبة of البيانات من الفئة بقيمة صفر). لأن وسيلة X جميعها نقطة بيانات واحدة على الأقل على أو بالقرب من المحور التصنيف الأقرب لا تستطيع بدرجة تأكد عالية تحديد ما إذا كانت الفئة أ ب؛ أو ج هي الأقرب ٠ إذا لم توفّر سمة منفردة (pal فقط؛ يمكن أن تتم حوسبة السمة 7. في نماذج ١ بناءًا على السمة تصنيف دقيق؛ يمكن الحصول على عينة بيانات مستشعر جديدة للحظة أخرى في الوقت ويمكن إعادة حوسبة السمة و/أو يمكن حوسبة سمات إضافية؛ على سبيل المثال بناءًا على عينة بيانات المستشعر الجديدة. يمكن أن تشتمل عينة بيانات المستشعر الجديدة على بيانات من المستشعر و/أو بيانات من واحد أو أكثر من المستشعرات ١ نفسه الذي يور بيانات لحساب السمة Vo الإضافية. في بعض النماذج؛ يمكن حوسبة السمة عدة مرات لعدة نقاط في الزمن قبل حوسبة السمة التالية. في نماذج أخرى؛ عندما يكون من غير المحتمل أن ينتج عن السمة تصنيف دقيق؛ لحين حوسبة جميع السمات ويمكن تحديد التقدير الأفضل للتصنيف GE يتم حوسبة السمة التالية بناءًا على واحد أو أكثر مما يلي السمات التي تمت حوسبتها. في أحد النماذج؛ عندما لا يتم تحديد التصنيف بدقة من حوسبة سمة أولى؛ يمكن للجهاز حوسبة ٠ من السمات أو السمة الثانية فقط. يتم توفير القدرة JS السمة الثانية واتخاذ قرار التصنيف باستخدام في حالة كون السمة الأولى كافية لتحديد الفئة بدقة؛ وتخطي حوسبة السمة/السمات التالية. في حين أن بعض الأمثلة هنا مرتبطة بتخطي أو تجاوز سمة أولى في مجموعتي سمات؛ سيتمكن الشخص الماهر في الفن من إدراك أن أي عدد للسمات في مجموعة سمات يمكن تخطيه أو تجاوزه باستخدام التقنايت الموصوفة هنا. في بعض النماذج؛ يمكن تخطي واحدة أو أكثر من Yo ادر
م \ _ السمات في حين يمكن حوسبة السمة التالية. على سبيل المثال؛ يمكن تخطي مجموعة سمات تتكون من ١ء (YOY 4 ©؛ يمكن تخطي السمتين ؟ و؛ بحيث تتم حوسبة السمات ١ وه؛ توفير القدرة المطلوب استخدامها لحوسبة السمتين ؟ و4. في مثال fac AT تخطي السمات ١1؛ »و7 أو تجاوزها بحيث تتم حوسبة السمتين ؛ و5.
0 في نماذج أخرىء بدلاً من الاستخدام المباشر لبيانات التدريب لتصنيف البيانات (على سبيل (JU) وسيلة التصنيف الأقرب الموصوفة أعلاه)؛ يمكن استخدام نماذج محوسبة Be من بيانات التدريب (على سبيل JE » آلات ناقلات الدعم؛ الشكبة العصبية؛ شجرة اتخاذ القرار وسيلة تصنيف باييزي الخ. ( . وسيلة جدولة السمات
A في أحد النماذ id يمكن لوحدة الجدولة ٠5 تعديل أولوية جدولة أو موقع واحدة أو أكثر من السمات المحذّدة للحوسبة (على سبيل المثال؛ لحوسبة سمة في في وقت سابق أو في وقت لاحق في صف المعالجة). يمكن لوحدة الجدولة 795 ترتيب المعالجة (على سبيل المثال؛ الحوسبة) ترتيب السمات لتصنيف Lue بيانات مستشعر. يمكن لوحدة الجدولة تلقي cath على سبيل المثال من برنامج؛ للتفرقة بين التصنيفات salad) (على سبيل المثال؛ الثبات؛ السيرء الجري؛ متكرر
١5 _الوقوفة) بحيث يمكن للبرنامج تصنيف عملية التشغيل ذات الصلة. في هذا المثال؛ يمكن لوحدة الجدولة تحديد أولوية السمة للتفرقة بين الحالة الثابتة أو المتحركة على أنها ذات أولوية أعلى للجدولة مقارنة بالسمات المتعلقة بالتحرك الجاري؛ السائر أو أي حركة أخرى. في أحد النماذج؛ يمكن لوحدة الجدولة ترتيب أو تنظيم السمات ليتم حوسبتها بناءًا على واحد أو أكثر مما يلي: الفئات المرغوب التمييز clin بيانات التدريب المتوفرة؛ ترددات الحدوث ذات
٠ الصلة لكل فئة؛ و/أو القدرة النسبية المطلوبة لحوسبة كل سمة. يمكن لوحدة الجدولة أن تكون مكون لوحدة وسيلة التصنيف أو يمكن أن تكون وحدة مستقلة أو محرك . في أحد النماذ id تقوم وحدة الجدولة بجدولة السمة لتنفيذها لاحقًا أو تباعًا بواسطة معالج بدلاً من تنفيذها على التوازي أو على نحو غير مجدول .
SAYA
q —_ \ _ يمكن لوحدة الجدولة ترتيب السمات بالتسلسل بناءًا على الفئات المطلوب التفرفة بينها. على سبيل (JE يمكن لوحدة الجدولة تحديد أن نوع المستشعر عبارة عن مقياس تسارع وء بناءًا على مخرجات مقياس التسارع؛ يحدَّد أحد التصنيفات الثابتة؛ الالسيرء المتكرر الوقوفة؛ الالجري. وعليه (Say تحديد sae تصنيفات مختلفة بناءًا على تحديد أن المستشعر عبارة عن مقياس تسارع. بعد © ذلك؛ يمكن لوحدة الجدولة تحديد السمات المرتبطة بالتصنيفات المختلفة. يمكن استخدام المتوسط و/أو الانحراف المعياري لتحديد ما إذا كان الجهاز والمستخدم يتحركان. gles يمكن لوحدة الجدولة ترتيب السمات بحيث تتم حوسبة الانحراف المعياري قبل السمات الأخرى التي قد لا تكون قادرة على التفرقة بدقة بين التصنيفات المحتملة. على نحو مشابه؛ إذا كان التصنيفان المقرر تحديدهما جالس وواقف؛ فمن الممكن عدم ترتيب الانحراف المعياري أولاً لأن الانحراف المعياري ٠ قد لا يوفر أي فرق بين الفئتين المحتملتين. يمكن لوحدة الجدولة بالتسلسل ترتيب السمات بناءًا على التكرار النسبي لحدوث كل فئة. على سبيل (JU) يمكن لوحدة الجدولة تحديد أن السائر هو التصنيف الذي يحدث غالبًا أكثر من التصنيفات الأخرى. بناءًا على تحديد أن تصنيف أن الجهاز ثابت يحدث GI أكثر من التصنيف سائرء جاري؛ أو متكرر الوقوف»؛ يمكن لوحدة الجدولة جدولة (للحوسبة) السمة المرتبطة بتحديد ما ١ إذا كان الجهاز (BE وسواء أكانت مقدمة السمات المرتبطة بتحديد ما إذا كان مجموعة البيانات تمثل سائر جاري أو متكرر الوقوف . يمكن لوحدة الجدولة Wadd جدولة حوسبة السمة بناءًا على مجموعة بيانات تدريب تاريخية أون محوسبة مسبقًا . في أحد النماذ ج؛ يجب على وسيلة جدولة clad) على سبيل المثال « وحدة الجدولة؛ الولوج إلى إحتمالية البيانات لإعداد تقارير عن التكرار النسبي لحدوث كل من الفئات. ٠ على سبيل (JB إذا أظهرت مجموعة بيانات التدريب احتمالية عالية للقدرة على للتفرقة بين الفئة X والفئة 7 باستخدام السمة ١ فقطء في حين تكون السمة ١ غير قادرة على التفرقة بين الفئة X والفئة ١7 دون مساعدة السمة oF يمكن لوحدة الجدولة تحديد أولوية السمة ١ للحوسبة قبل السمة daly " SAYA vy. يمكن لوسيلة جدولة السمات أو وحدة الجدولة تحديد تكرار حدوث الصمت بدرجة AT في مثال على سبيل المثال عند Jal أكبر في عينات بيانات تدريب مقارنة بالفئات الأخرى (على سبيل تحدث شخص واحد أو عند تحدث عدة أشخاص) . وعليه؛ يمكن لوسيلة جدولة السمات أو وحدة الصمت. إذا Jie الجدولة تحديد أولوية الجدولة أو حوسبة سمة مرتبطة بفئة ذات احتمالية عالية يمكن لوسيلة جدولة السمات أو وحدة Ups متشابه 7 5X كان استخدام القدرة بين سمات ©
Y الجدولة تحديد أن السمة )ل مرتبطة بالفئة ذات الإحتمالية العالية يجب حوسبتها قبل سمة استخدام احتمالية حدوث فئة ما في Ung يمكن coal المرتبطة بفئة ذات احتمالية أقل. في نماذج عينة بيانات مستشعر لتحديد أولوية سمة ثقيلة الوزن مقابل سمة خفيفة الوزن. باستخدام المثال المذكور أعلاه للشكل ©؛ يمكن تصنيف عينة بيانات المستشعر من جهاز على (بالتسلسل أو على Ge ¥ وسمة ١ أنها الفئة أ؛ الفئة ب؛ أو الفئة ج. يمكن أن توفّر حوسبة السمة ٠ التوازي) تصنيف دقيق لمجموعة البيانات المستهدفة. مع هذا حسب المكشوف عنه أعلاه؛ تكون الوزن. وعليه؛ يمكن أن يكون من ALE ذات حوسبة Y ذات حوسبة خفيفة الوزن والسمة ١ السمة XY لتتم حوسبتها عند لحظة في الزمن قبل السمة ١ المفيد جدولة السمة حركة على Alla عند قراءة أو استخدام بيانات مقياس التسارع الخام لتصنيف (JE على سبيل
J أنها الثبات؛ السيرء متكرر الوقوف؛ أو الجري؛ يمكن استخدام سمتين أو أكثر. في هذا ١ تستخدم كل من حوسبة السمة ١؛ وحوسبة السمة ؟ كمية من قدرة المعالجة (على سبيل المثال؛ المرتبط بكل سمة aa الواطات؛ الخ.). يمكن أن يعتمد استخدام 5308 المعالجة (CPU jis أعلاه. Bie على وحدة تحديد خصائص القدرة وبيانات تدريب بحسب الموصوف لتحديد السمات التي يمكنها توفير تحديدات دقيقة لفئة معينة؛ يمكن حوسبة كل سمة في مجموعة لفئة معينة. على سبيل AIS تدريب وتحليلها لتحديد السمات التي تقوم بتصنيف غير lily ٠١ قادرةٍ على لتحديد ما إذا كان جهاز المستخدم متحركًا أو ثابئًا. في ١ يمكن أن تكون السمة (JU) تحدّد أن الجهاز ثابت؛ لا تتم جدولة مزيد من سمات الحركة لأن ١ أحد النماذج؛ إذا كانت السمة إذا حدّدت (pal متكرر الوقوف أو جاري. في نماذج dle الجهاز الثابت لا يمكن أن يكون أن الجهاز ثابت؛ يمكن حساب المزيد من السمات المتعلقة باتجاه الجهاز لتحديد إذا كان ١ السمة الجيب؛ على طاولة؛ أو في وضع آخر. all الجهاز الثابت في Yo ادر
_ \ \ —_
في أحد النماذج؛ إذا حدّدت السمة ١ أن الجهاز يتحرك (على سبيل (JB ليس (Bal يمكن أن يكون استخدام سمات إضافية مفيذًا في تحديد ما إذا كان جهاز Ble متكرر الوقوف,؛ الجري. السمة أ خفيفة الوزن (على سبيل المثال؛ السمة )١ التي تستخدم قدرة أقل من السمة ALE الوزن (على سبيل المثال؛ سمة 7) يمكن حوسبتها أولاً بمعزل عن السمات الأخرى لتحديد ما إذا كان من © الممكن تحديد التصنيف. يمكن بدء تنفيذ السمة ALE الوزن عندما تحدّد أن السمة الأولى غير قادرة
على توفير تصنيف دقيق. في أحد النماذج؛ يمكن لوحدة الجدولة ترتيب السمات بالتسلسل بناءًا على استخدام قدرة حوسبة المقدّر لكل سمة (على سبيل المثال؛ الاستخدام المقذّر لخصائص القدرة المكشوف عنه أعلاه). يمكن تحديد المستوى ad) لقدرة المعالجة بواسطة مرات التشغيل التاريخي أو الحوسبة المسبقة
١١ لبيانات التدريب. في نماذج cg Al يمكن لوحدة الجدولة استخدام توليفة واحدة أو أكثر من طرق الجدولة المكشوف عنها أعلاه لجدولة السمات للحوسبة. في نماذج أخرى Ua تستقبل وحدة الجدولة ترتيب محدّد Brae للسمات؛ أو aad ترتيب تم تحديده مسبقًا؛ ويمكنها التحقق من ترتيب السمات وفقًا للترتيب المتلقى أو المحدّد. على سبيل
١ المثال؛ يمكن لوحدة الجدولة قراءة مجموعة سمات مرتبة Brose وجدولة السمات لتنفيذها بواسطة معالج أو وحدة منفصلة (على سبيل المثال ¢ وحدة وسيلة تصنيف) الترتيب الصحيح ٠. يمكن تحديد الترتيب Gag للترتيب و/أو التقنيات الموصوفة أعلاه. وبالتالي؛ في بعض النماذج؛ تشتمل الجدولة (على سبيل (Jd) بواسطة وحدة الجدولة 795) على جدولة السمات لتنفيذه وفقًا للترتيب المتلقى أو المحدّد سابقًا الذي يمكن تحديده وفقًا للمبادئ الموصوفة هنا.
abl شكل + يوضّح مخطط سير عملية يمكن تنفيذها بواسطة وحدة جدولة؛ في أحد النماذ ج. عند ٠ جدولة 7قراءة Bas, (JUL يمكن قراءة البيانات الخام من المستشعر . على سبيل ed 175 مستشعر الضوء في البيئة المحيطة (V0 صوت <a 6 البيانات من مقياس التسارح أو المستشعرات الأخرى في الجهاز.
ادر
_— \ \ _ عند الكتلة 2٠١ يمكن تحديد واحد أو أكثر من التصنيفات الممكنة بناءًا على نوع المستشعر. على سبيل (Jl يمكن لوحدة الجدولة تحديد ما إذا كان مستخدم الجهاز ple الطريقة التي يمكن أن يحمل بها المستخدم lead ما إذا كان مستخدم الجهاز يتحدث؛ أو أي تصنيف آخر. عند الكتلة 0 TY يمكن تحديد السمات المستخدمة الموجودة في التصنيفات في الكتلة .1٠١ على © سبيل JU يمكن لوحدة الجدولة تحديد أن التصنيفات i ؛ Toe محتملة بناءًا على نوع المستشعر وأنه يمكن للسمات YX و Z تصنيف البيانات من المستشعر. عند الكتلة 4 TY يمكن قراءة بيانات استخدام القدرة. في أحد النماذج؛ يمكن لوحدة وسيلة التصنيف أو وحدة الجدولة قراءة أو الولوج إلى بيانات استخدام القدرة التي تم إنشائها بواسطة وحدة خصائص القدرة. ٠ عند الكتلة IYO تمت جدولة السمات للمعالجة أو الحساب. على سبيل (JED يمكن لوحدة الجدولة ترتيب السمات YX و 2 للمعالجة لاحقًا بواسطة المعالج ٠١١ بحيث تتم معالجة السمة X قبل 7ء وتتم dallas 7 قبل 2. في أحد النماذج؛ يتم تمرير ترتيب المعالجة أو إرساله إلى bag وسيلة التصنيف أو bag الجدولة للمعالجة . حالة الحركة Vo في أحد النماذج؛ يمكن للجهاز قياس حركة الجهاز عن طريق قياس المخرجات من واحد أو أكثر من مستشعرات الجهاز بحسب المكشوف عنه أعلاه. يمكن استخدام بيانات المستشعر لتحديد حالة حركة الجهاز. يمكن لبيانات مستشعر الجهاز المستخدمة لحساب السمة تحديد حالات حركة متعددة (على سبيل JE الثبات السيرء الوقوف المتكررء القيادة؛ الجري؛ أو ما شابه). ming ١ JSS مخطط سير أحد نماذج طريقة لجدولة السمات لتصنيف حالة حركة. عند الكتلة ٠٠١١© ١ يمكن Be) البيانات الخام لمقياس التسارح من مستشعر مقياس التسارع (على سبيل المثال؛ مقياس تسارع ١6 ( . على سبيل المثال يمكن لوحدة الجدولة أو يمكن لوحدة وسيلة التصنيف Be) البيانات الخام لمقياس التسارع. في أحد النماذج؛ يمكن بدء الجدولة أو وحدة وسيلة التصنيف Gl بواسطة المكونات الصلبة أو مقاطعة البرمجيات عند كشف مقياس التسارع عن حركة. ادر
اس
عند الكتلة 7٠١ يمكن تحديد واحد أو أكثر من التصنيفات الممكنة من مقياس التسارع البيانات.
على سبيل المثال؛ يمكن لوحدة الجدولة أو يمكن لوحدة وسيلة التصنيف تحديد إذا كانت حالات
الحركة أو فئات: الثبات؛ السيرء القيادة؛ متكرر الوقوف؛ gall محتملة.
عند الكتلة 0 (VY يمكن ترتيب السمات المستخدمة لتصنيف بيانات المستشعر. على سبيل المثال؛
© يمكن لوحدة الجدولة أو وحدة وسيلة التصنيف استخدام بيانات مقياس التسارع لتحديد الانحراف
المعياري لمقياس التسارع وأحد محاور اتجاه الجهاز (الميل). يمكن لوحدة الجدولة أو وحدة وسيلة
تصنيف تحديد أن الانحراف المعياري تم تقديره لاستخدام قدرة أقل من الميل وجدولة الانحراف
المعياري للحوسبة بواسطة المعالج قبل جدولة الميل.
عند الكتلة 77١0 يمكن حوسبة الانحراف المعياري لبيانات المستشعر الخام. على سبيل المثال؛ ٠ بإعطاء ناقلات مقياس تسارع ثلاثية Al) يمكن لوحدة وسيلة التصنيف حوسبة معايرها؛ وتقدير
الانحراف المعياري للمعايير المذكورة. تعد السمة المذكورة مفيدة في التفرقة بين حالات الحركة Jie
الجلوس/ الوقوف والسير حيث يمكن تمييزها بواسطة التغيير في درجة اختلاف مقياس التسارع.
عند الكتلة 7705 يمكن تحديد قيمة التأكد (على سبيل المثال؛ بواسطة وحدة وسيلة التصنيف). إذا
كانت قيمة SEI أعلى من القيمة الحدية (على سبيل «JB يمكن للجهاز وضع قيمة حدية للتأكد Vo بناءًا على تفضيلات المستخدم أو قيمة افتراضية ) تتابع وحدة وسيلة التصنيف إلى مخرجات
التصنيف المحدّد. في أحد النماذج؛ يمكن حوسبة قيمة التأكد بواسطة وحدة وسيلة التصنيف بناءًا
على الاحتمالات الاحصائية 11 5 L2 للفئتان الأقرب؛ مثل:
vid EEE 0
في بعض النماذج؛ تتم حوسبة قيمة التأكد لوسيلة التصنيف بناءًا على بيانات تدريب والسمات التي ٠١ .لتم تقييمها.
عند الكتلة VY يمكن حوسبة السمة التالية (على سبيل (JB بواسطة وحدة وسيلة التصنيف)
في حال عدم بلوغ ذا القيمة الحدية SEU للسمة السابقة. على سبيل المثال؛ يمكن أن تكون السمة
التالية عبارة عن الميل؛ أو توجه سطح الجهاز بالنسبة للجاذبية الأرضية. يمكن أن يتسم التوجه
ادر ye
X المذكور بزاويتين يشار إليهما بالميل والالتفاف. يكون الميل عبارة عن الدوران حول المحور والنطاقات من ([7,7-. تتم حوسبة متوسط الميلعن طريق حساب متوسط ناقل مقياس التسارع أولاً ومن ثم حوسبة الميل مثل:
Y المعادلة ap - 2 (3 > Nn a,(n), ز0 و _ اللا
N n=1 N حيث لي عبارة عن عدد ((n)az (nay (n)ax) = a(n) وتتمثل عينات مقياس التسارع في: © عينات الناقل في النافذة التي يتم عبرها حوسبة السمة (على سبيل Te (JB لعينة 6١ هيرتز). يمكن استخدام الميل للتفرقة بين الجلوس والوقوف عندما يكون الجهاز في جيب البنطال وبدرجة أقل؛ eal) إلى جانب لتحديد موقع الجهازء على سبيل المثال. في أحد النماذج؛ يمكن أن ترتبط السمة الثانية أو الإضافية لمقياس التسارع بمقياس مسافة السير ٠ بالخطوات. على سبيل المثال؛ يمكن للسمة الأولى (على سبيل المثال؛ الانحراف المعياري) تحديد أن الجهاز يتحرك (أي؛ أنه غير ثابت). مع هذاء لا يمكن لوحدة وسيلة التصنيف التأكد بالدرجة الكافية بالاعتماد فقط على الانحراف المعياري للتفرقة بين السير والجري. وعليه؛ يمكن أيضًا لمقياس مسافة السير بالخطوات إجراء الحساب على عينة بيانات المستشعر بعد تحديد الانحراف المعياري خفيف الوزن بدرجة تأكد عالية أنه قد تم الكشف عن الحركة. Ula في أحد النماذج؛ عند تحديد (على سبيل المثال؛ بناءًا على البيانات من مقياس التسارع) Vo الحركة أو عدم الثبات؛ يمكن لوحدة وسيلة التصنيف إلى جانب ذلك تحديد (على سبيل المثال؛ باستخدام واحدة أو أكثر من السمات المرتبطة بوسيلة تصنيف مقياس مسافة السير بالخطوات) ما إذا تم الكشف عن أي خطوات (على سبيل المثال؛ السير أو الجري). في حال عدم الكشف عن مقياس (JB خطوات؛ يمكن لوحدة وسيلة التصنيف إلى جانب ذلك تصنيف البيانات (على سبيل ٠ تتسارع بيانات المستشعر) باستخدام واحدة أو أكثر من السمات المرتبطة بوسيلة تصنيف الحركة الكاملة. يمكن أن تكون وسيلة تصنيف الحركة الكاملة قادرة على تحديد إذا كانت حالة الحركة بالقيادة أو الحركة غير المعروفة/متكرر الوقوف ذات درجة تأكد عالية أم لا. ادر
اج \ _
في أحد النماذج؛ عند تحديد Alla حركة ثابتة؛ يمكن لوحدة وسيلة التصنيف إلى جانب ذلك تحديد
(على سبيل (JB باستخدام السمات المرتبطة بوسيلة تصنيف مقياس مسافة السير بالخطوات) ما
إذا كان حالة الثبات عبارة عن Ala ثبات المشي.
في بعض النماذج؛ عند التحديد من سمة واحدة أو أكثر لمقياس مسافة السير بالخطوات أن السير أو الجري تعد التصنيفات الأكثر احتمالاً (أي؛ ذات درجة تأكد عالية) عند الكتلة 775 يمكن أن
يمتل تصنيف السير أو الجري المخرجات عند الكتلة Yo
في نماذج (opal عند التحديد من سمة واحدة أو أكثر لمقياس مسافة السير بالخطوات أن تصنيف
السير أو الجري يعد غير محتمل الحدوث (أي ؛ ذو day تأكد منخفضة) عند الكتلة © «YY يمكن
جدولة سمات إضافية متعلقة بوسيلة تصنيف الحركة الكاملة عند الكتلة VY المبينة في الشكل
٠ لاب. على سبيل المثال؛ يمكن لسمات وسيلة تصنيف الحركة الكاملة تحديد ما إذا كان تصنيف القيادة» أو غير المعروف/ متكرر الوقوف مناسبًا (أي؛ ذات درجة تأكد عالية). في أحد النماذج؛ إذا كانت السمة الثانية لا تستوفي القيمة الحدية للتأكد عند الكتلة 770٠ يمكن لوحدة وسيلة التصنيف الاستمرار في حساب السمات الإضافية لحين تحديد مخرجات تم الإنتهاء منها.
١ عند الكتلة 7705 يمكن أن يكون تصنيف بيانات المستشعر الخام عبارة عن مخرجات بناءًا على الحسوبة السابقة للسمة/ السمات. على سبيل (JUD يمكن لوحدة وسيلة التصنيف تحديد بدرجة تأكد عالية أن حالة الحركة للجهاز هي pall ويمكن أن تكون النتيجة عبارة عن مخرجات أو يتم إرسالها لطلب البرنامج أو التطبيق. في بعض النماذج؛ Laie يشير الانحراف المعياري لمقياس التسارع بدرجة تأكد Ale إلى أن
٠ -_ الجهاز ثابت (على سبيل JU لا يتحرك)؛ يتم تلقائيًا إلغاء أو إيقاف جميع السمات التالية المجدولة. على سبيل (JE في حال كشف مقياس التسارع أن الجهاز ثابت؛ يعد إجراء مزيد من الحسابات لتحديد ما إذا كان المستخدم والجهاز في Alla سيرء جريء قيادة؛ أو وقوف متكرر تعد غير لازمة . في بعض النماذ ‘z يمكن ay) إلغا عِِ أو ترك تصنيفات الحركة أ لإضافية المعتمدة
ادر
_ أ \ _
على المستشعرات (على سبيل JU جيروسكوب « GPS أو غيرها ( المرتبطة بالسمات دون
حسابها عند تحديد أن التصنيف الثابت بواسطة مقياس التسارع أو أي مستشعر أول.
في نماذج (gal عندما يكون بإمكان السمة الأولى لمقياس التسارع تحديد بدرجة تأكد عالية أن
الجهاز ثابت يمكن على الرغم من ذلك حساب المزيد من السمات من أجل حساب موقع الجهاز
0 (على سبيل المثال؛ في الجيب؛ call على الطاولة؛ أو في موقع آخر). في أحد النماذج يطلب
التطبيق أو البرنامج حوسبة السمة ويمكن أن يتطلب التصنيف إلى جانب ذلك تصنيف آخر غير
تصنيف الثابت.
سيكون بمقدور الشخص الماهر في الفن إدراك أنه من المممكن حوسبة السمات الأخرى وجدولتها
بطريقة كفء بحسب ما هو موصوف هناء وأن الانحراف المعياري والميل يستخدمان كمثال هنا أ لتوضيح أحد النماذج.
الكشف عن الكلام
في نموذج آخرء يتم استخدام بيانات الصوت (على سبيل (JE البيانات من iE صوت (V1
لتحديد تصنيف عينة بيانات المستشعر.
شكل A يوضّح مخطط سير أحد نماذج طريقة Ave لجدولة السمات للكشف عن الكلام. عند ١ الكتلة 805 البيانات الخام من مكبّر الصوت (على سبيل (JE مُكَبّرر صوت )١65 يمكن
قرائتها (على سبيل dail gs 3 JE وحدة وسيلة التصنيف أو وحدة جدولة) .
عند الكتلة ١٠8؛ يمكن تحديد تصنيف واحد أو أكثر من التصنيفات الممكنة من بيانات ah
الصوت. على سبيل المثال؛ حالات أو فئات الكلام تشمل: صامت؛ كلام من متحدث واحد؛ كلام
من de متحدثين ¢ أو يمكن تحديد حا لات مشابهة dail gs وحدة وسيلة التصنيف أو وحدة الجدولة. ٠ عند الكتلة 5٠8؛ يمكن ترتيب السمات المستخدمة لتصنيف بيانات ih الصوت من أجل
المعالجة. على سبيل (JU يمكن لوحدة الجدولة؛ أو يمكن لوحدة وسيلة التصنيف تحديد أن
معاملات نغمة طيف التردد (MFCCs) Mel-Frequency Cepstral Coefficients سيتم
استخدامها لتصنيف عينة بيانات المستشعر. في أحد النماذج؛ تتم حوسبة MFCCs VY للكشف
ادر yy
عن الكلام؛ مع هذا سيكون بمقدور الشخص الماهر في الفن إدراك إمكانية وضع تصنيفات مختلفة أيضنًا. يمكن أن تناظر . 1/766 الأولى طاقة الصوت (أو الحجم)؛ في حين يمكن أن تناظر MFCCs الباقية تحديد ما إذا كان هناك كلام من شخص واحد أو أكثر من المتحدثين. في أحد النماذج؛ يتم فصل السمات إلى مجموعات die jb بحيث تتضمن المجموعة الفرعية للسمة ١ ال
MFCC ٠ الأولى وتتضمن المجموعة Le dl للسمة ؟ ال ١ MFCCs حتى .١١ في أحد النماذج؛ تقوم وحدة وسيلة التصنيف أو وحدة جدولة بتحديد (على سبيل المثال» من خصائص القدرة) أن المجموعة الفرعية ١ لها استخدام قدرة حوسبة مقدّر أقل مقارنة بالمجموعة الفرعية ¥ وجدولة المجموعة الفرعية للسمة ١ قبل المجموعة الفرعية للسمة 7. يمكن أن ينتج عن جدولة أو ترتيب المجموعة الفرعية ١ من أجل الحوسبة قبل المجموعة الفرعية ؟ حالات توفير عندما يكون
٠ التصنيف بناءًا على المجموعة الفرعية ١ ويتجنب حوسبة واحد أو SST من المجموعات الفرعية ؟ .)١١ = ١ MFCCs) عند الكتلة + (AY يمكن حوسبة المجموعة الفرحية للسمة ١ لبيانات المستشعر الخام (على سبيل المثال؛ بواسطة وحدة وسيلة التصنيف). يمكن أن يكون 1/0706 الأول مفيدًا للتفرقة بين ما إذا كان هناك صمت أو كلام محتمل من بيانات JE الصوت.
١ عند الكتلة AYO يمكن حساب قيمة التأكد (على سبيل المثال؛ بواسطة وحدة وسيلة التصنيف). في حال كانت قيمة التأكد أعلى من القيمة الحدية (على سبيل المثال؛ يمكن للجهاز أو لوحدة وسيلة التصنيف وضع قيمة حدية للتأكد بناءًا على تفضيلات المستخدم أو بناءًا على قيمة افتراضية) تتابع وحدة وسيلة التصنيف إخراج التصنيف المحدّد. في أحد النماذج؛ يمكن حوسبة قيمة التأكد بحسب الموصوف أعلاه بناءًا على الاحتمالات الاحصائية LT و2 للفئتان الأقرب.
٠ عند الكتلة 870 في حال لم يتم بلوغ القيمة الحدية للتأكد لمجموعة الفرعية للسمة )¢ يمكن حوسبة المجموعة الفرعية للسمة التالية Jo) سبيل (JB بواسطة وحدة وسيلة التصنيف). في حالة الكشف عن (DIS يمكن أن تكون المجموعة الفرعية للسمة واحدة من MFCCs الإضافية (على سبيل (Jd) ١7-؟١) للحوسبة. في أحد النماذج؛ في حال لم تبلغ سمة 1/0566 التالية القيمة الحدية للتأكد عند الكتلة Say (AYO لوحدة وسيلة التصنيف متابعة حساب سمات إضافية
gal Yo تحديد مخرج نهائي
ادر
A —_ \ _ عند الكتلة (ATO يمكن إخراج تصنيف لبيانات المستشعر الخام بناءًا على الحسوبة السابقة للسمة/ السمات. على سبيل Ja) في حال تحديد وحدة وسيلة التصنيف بدرجة تأكد Ale أنه تم الكشف عن كلام من متحدث واحد؛ تكون النتيجة عبارة عن مخرجات أو إرسال طلب للبرنامج أو التطبيق. © يكون بمقدور الشخص الماهر في الفن إدراك إنه من الممكن حوسبة السمات الأخرى وجدولتها بطريقة كفء بحسب ما هو موصوف هناء وأنه يتم استخدام المجموعات الفرعية ل MFCC فقط كمثال هنا لتوضيح النموذج. موقع الجهاز في نموذج «aT يمكن استخدام بيانات موقع الجهاز (على سبيل (JU) البيانات من مقياس ٠ تسارع (VE لتحديد تصنيف عينة بيانات المستشعر. JSS 9 يوضْح مخطط سير أحد نماذج طريقة 00 لجدولة السمات لتحديد موقع الجهاز. عند الكتلة 400( يمكن قراءة البيانات الخام (على سبيل المثال؛ بواسطة وحدة وسيلة التصنيف) من مقياس تسارع؛ على سبيل المثال مقياس التسارح A عند الكتلة AY يمكن حوسبة الانحراف المعياري لبيانات مستشغر مقياس التسارع الخام (على Yo سبيل bag dail gs JE وسيلة التصنيف) . عند الكتلة 975؛ يمكن حساب قيمة التأكد (على سبيل المثال؛ بواسطة وحدة وسيلة التصنيف). إذا كان الانحراف المعياري كبيرًا ولا يبلغ القيمة الحدية للتأكد. يمكن حوسبة السمة التالية عند الكتلة LT من ناحية أخرى؛ في حال تم بلوغخ القيمة الحدية للتأكد (على سبيل «QU يكون الانحراف المعياري صغيرًاء مما يرجّح أن يكون الجهاز في حالة سكون)؛ يمكن حساب الميل Yo ومتوسط الالتفاف Jo) سبيل المثال؛ بواسطة وحدة وسيلة التصنيف) عند الكتلة Avo عند الكتلة AF في حال عدم بلوغ القيمة الحدية للتأكد للانحراف المعياري الذي تم حوسبته في الكتلة (AY. فإنه يمكن حوسبة MFCCs | ١“ (على سبيل المثال؛ بواسطة وحدة وسيلة ادر va المغلف الطيفي للإشارة ويمكن استخدامه لتحديد موقع الجهاز MFCCs VY التصنيف). يميز عندما يكون الجهاز في حالة حركة. عند الكتلة ٠94؛ يمكن أن يتخذ تصنيف بيانات المستشعر الخام بناءًا على الحسوبة السابقة سبيل المثال؛ بواسطة وحدة وسيلة التصنيف). Jo) للسمة/ السمات صورة مخرجات
سيكون بمقدور الشخص ald) في الفن إدراك إمكانية حوسبة السمات الأخرى وترتيبها من حوسبتها بطريقة كفء بحسب ما هو موصوف هنا وتعد السمات؛ مستشعرات وعمليات الحوسبة المكشوف عنها أعلاه مجرد أمثلة قليلة لتوضيح النماذج المتنوعة. في نماذج أخرى؛ من الممكن تعدد السمات والتكرارات لحوسبة السمات. في نماذج (Lay AT يمكن أن تستخدم وحدة وسيلة التصنيف عدة مستشعرات لتحديد التصنيف.
٠ عند استخدام مستشعرات متعددة؛ يمكن تنشيط بيانات المستشعر أو معالجتها بالتسلسل بحسب الموصوف أعلاه بحيث يتم تقليل أو تقليص بشكل استراتيجي عمليات الحوسبة التي تستهلك القدرة بكثافة. على سبيل (JED يمكن حساب السمة الأولى بناءًا على تنشيط ومعالجة البيانات من المستشعر الأول. في حال توفير بيانات المستشعر الأول وحوسبة السمة تصنيف دقيق؛ يمكن تخطي المستشعرات الأخرى والسمات المتعلقة بها أو تركها دون معالجة. في حال تحديد أن بيانات
١ المستشعر الأولى وحوسبة السمة توفّر تصنيف أدنى من قيمة التأكد المستهدفة؛ مع هذاء يمكن استخدام مستشعرات أخرى لتجميع بيانات المستشعر الإضافية ويمكن معالجة السمات ذات الصلة بناءًا على بيانات المستشعر الإضافية و/أو بيانات المستشعر الأولى في بعض النماذج. على سبيل (JU يمكن لوحدة الجدولة 795 تحديد ترتيب يتم به استخدام المستشعرات و/أو جمع القياسات أو بيانات المستشعر؛ على سبيل JE بناءًا على المعلومات من وحدة خصائص القدرة
0 190. في بعض النماذج؛ يمكن إعادة تغذية المعلومات من وحدة وسيلة التصنيف 794 مرةٍ أخرى إلى وحدة الجدولة 795 لتحديد ما إذا كان سيتم جمع معلومات إضافية و/أو أي المستشعرات سيتم استخدامها. شكل Gla ٠١ مخطط سير أحد نماذج طريقة لتصنيف السمة. عند الكتلة ١٠٠٠5 يمكن حوسبة السمة المجدولة (على سبيل (JU الانحراف المعياري للبيانات الخام من مقياس تسارع أو
ادر
ل معاملات نغمة طيف التردد للبيانات الخام من Hie الصوت) بواسطة وحدة وسيلة التصنيف. يمكن جدولة السمة المجدولة بحسب الموصوف سابقًا Ao) سبيل (JUD حيث يتم ترتيبها بالتسلسل بواسطة وحدة الجدولة بناءًا على استهلاك القدرة؛ أو بحسب معايير جدولة أخرى حسب الموصوف). © عند الكتلة ٠٠0١٠١ يمكن تحديد ما إذا تم Eh شرط الإنهاء أم لا على سبيل المثال؛ بناءًا على نتيجة حوسبة السمة من الكتلة V0 v0 يمكن للجهاز (أو لوحدة وسيلة التصنيف) تقييم شرط الإنهاء بناءًا على السمة الأولة المحوسبة. على سبيل المثال» يمكن أن يتضمن تقييم شرط الإنهاء حوسبة قيمة تأكد (على سبيل (JB بحسب المكشوف عنه أعلاه؛ يمكن أن تعتمد قيمة التاكد على الاحتمالات الإحصائية؛ بيانات التدريب؛ أو حسابات أخرى) ويتم الوفاء بتحديد شرط الإنهاء ٠ عندما تكون قيمة التأكد أكبر من القيمة الحدية للتأكد. في أحد النماذج؛ تحديد إذا كانت السمة الأولى Bg تصنيف قيمة تأكد عالية يمكّن وسيلة التصنيف التي تهيئتها للوضع الأمثل للخروج le) سبيل (JE تخطي حوسبة السمات المجدولة الباقية) واخراج التصنيف. عند الكتلة ٠0١٠5 في حال عدم بلوخ القيمة الحدية للتأكد يمكن تحديد السمة التالية للحوسبة. على سبيل المثال؛ يمكن لوحدة وسيلة التصنيف تحديد السمة التي من المرجح أن تقوم بتصنيف Veo البيانات المستهدفة الممكن جدولتها؛ أو السمة ذات أقل استهلاك قدرة ME . تم وصف خيارات جدولة أخرى موصوفة أعلاه. في حال بلوغ القيمة الحدية SBI يمكن أني يتخذ التصنيف صورة مخرجات عند الكتلة .٠٠١٠١ في أحد النماذج؛ يمكن لوحدة وسيلة التصنيف حوسبة السمات بالتسلسل بحيث بمجرد أن توقر السمة نتيجة تبلغ القيمة الحدية call يمكن لوحدة وسيلة التصنيف إخراج تصنيف دون حوسبة أي من السمات المجدولة المتبقية. على سبيل المثال؛ يمكن ٠١ الوحدة وسيلة التصنيف معالجة ؟ إلى ٠١ نت السمات الممكنة وقبل تحديد بلوغ القيمة الحدية للتأكد؛ يمكنها تخطي عمليات حوسبة ال ١ سمات المتبقية إلى مرحلة إخراج التصنيف. ينبغي تقدير أنه عندما الجهاز محملاً أو الجهاز شبكة لا سلكية فإن بإمكانه الاتصال عبر واحد أو أكثر من وصالت الاتصال اللا سلكية عبر شبكة لا سلكية التي تعتمد أو من جهة أخرى تدعم أي تقنية اتصال لا سلكية مناسبة. على سبيل JB بعض جوانب يمكن حوسبة الجهاز أو Yo الخادم المرتبطة بشبكة أن تتضمن شبكة لا سلكية. في بعض الجوانب يمكن أن تشتمل الشبكة ادر
و
على شبكة المنطقة الجسم أو شبكة المنطقة الشخصية (على سبيل المثال؛ شبكة لاسلكية فائقة
السرعة). في بعض الجوانب يمكن أن تشتمل الشبكة على شبكة منطقة محلية أو شبكة منطقة
عريضة. يمكن أن يدعم الجهاز اللا سلكي أو بوجه آخر يستخدم واحد أو أكثر من تقنيات
الاتصال اللا سلكي المتنوعة؛ بروتوكولات؛ أو المعايير (Jie على سبيل المثال؛ «CDMA (WIMAX (OFDMA (OFDM (TDMA ٠ وواي فاي. على نحو مشابه؛ يمكن لجهاز لا سلكي
أن يدعم أو بوجه آخر استخدام واحد أو أكثر من وحدات التضمين المناظرة المتنوعة أو مخططات
الإرسال المتعدد. يمكن للجهاز اللا سلكي المتنقل الاتصال لا سلكيًا بأجهزة متنقلة أخرى» هواتف
خلوية؛ وسائل حوسبة سلكية ولا سلكية al مواقع إلكترونية؛ الخ.
يمكن تضمين التعليمات الواردة هنا في (على سبيل (JU المستخدمة في أو التي تم تنفيذها
٠ بواسطة) أجهزة متنوعة (على سبيل المثال؛ أجهزة). على سبيل (JB يمكن تضمين واحد أو
أكثر من الجوانب المذكورة هنا في هاتف (على سبيل (Ja) هاتف خلوي)؛ مساعد رقمي شخصي
(PDA) personal data assistant حاسوب لوحي؛ وسيلة حوسبة متنقلة؛ حاسوب حوسبة لوحي محمول؛ حاسوب لوحي؛ جهاز ترفيهي (على سبيل المثال؛ جهاز تشغيل ملفات موسيقى أو فيديو)» سماعات للرأس (على سبيل (JE سماعات للرأس؛ سماعة أذن؛ الخ.)؛ جهاز طبي
٠ (على سبيل (JB مستشعر مقاييس حيوية؛ جهاز مراقبة معدل ضربات القلب؛ مقياس مسافة السير بالخطوات؛ جهاز تخطيط كهربي للقلب (EKG) Electrocardiography الخ.)؛ وسيلة يتحكم المستخدم في فتحها/ ladle وسيلة حوسبة؛ خادم؛ جهاز نقاط call جهاز ترفيهي» صندوق فك التشفير» أو أي جهاز AT مناسب. يمكن للأجهزة المذكورة أن يكون لها متطلبات قدرة وبيانات مختلفة ويمكن أن ينتج عنها خصائص قدرة مختلفة يتم توليدها لكل سمة أو مجموعة سمات.
٠ في بعض الجوانب يمكن أن يشتمل الجهاز اللا سلكي على جهاز ولوج (على سبيل المثال؛ نقطة ولوج واي فاي) لنظام اتصال. يمكن أن يوفر جهاز الولوج المذكور؛ على سبيل المثال؛ اتصال بشبكة أخرى Jo) سبيل (JB شبكة منطقة عريضة Jie الإنترنت أو شبكة خلوية) عن Gob وصلة اتصال سلكي أو لا سلكي. وفقًا لذلك؛ يمكن لجهاز الولوج تمكين جهاز آخر (على سبيل (JE) محطة واي فاي) من الولوج إلى الشبكة الأخرى أو بعض الوظائف الأخرى. بالإضافة إلى
ادر
الو ذلك؛ ينبغي تقدير أن جهاز واحد أو كلاً من الجهازين يمكن أن يكونا محمولين أو؛ في بعض الحالات» غير محمولين نسبيًا. سيكون بمقدور الأشخاص الماهرين في الفن فهم أنه من الممكن تمثيل المعلومات والإشارات باستخدام أي من التقنيات المختلفة المتنوعة. على سبيل (Ji البيانات؛ التعليمات؛ الأوامر؛ 0 المعلومات؛ الإشارات؛ البتات؛ الرموزء والرقاقات المشار إليها في الوصف أعلاه والتي تم تمثيلها cal sally التيارات؛ الموجات الكهرومغناطيسية والحقول أو الجزيئات المغناطيسية؛ الجزيئات أو الحقول البصرية؛ أو أي توليفة منها. سيكون بمقدور الأشخاص الماهرين في الفن أيضًا تقدير أن كلاً من الكتل المنطقية التوضيحية المتنوعة والوحدات؛ الدوائر؛ والخطوات اللوغاريتمية التي تم وصفها فيما يتعلق النماذج المكشوف ٠ عنها هنا يمكن استخدامها في صورة مكونات صلبة إليكترونية؛ برنامج وسيلة حوسبة؛ أو توليفات من JS منها. من أجل توضيح إمكانية التبديل بين المكونات الصلبة والبرامج؛ المكونات التوضيحية المتنوعة؛ الكتل؛ الوحدات؛ الدوائر؛ والخطوات الموصوفة أعلاه بوجه عام فيما يتعلق بوظائفها. سواء أكانت هذه الوظائف تم تضمينها في صورة مكونات صلبة أو برمجيات يعتمد على قيود التطبيق والتصميم المفروضة على النظام ككل. يمكن للاشخاص الماهرين في الفن تضمين Vo الوظائف الموصوفة بعدة طرق لكل تطبيق ope إلا أنه لا يجب تفسير قرارات التضمين هذه على أنها خارج نطاق الاختراع الحالي. الكتل المنطقية التوضيحية المتنوعة؛ الوحدات؛ والدوائر الموصوفة المتعلقة بالنماذج الموصوفة هنا يمكن استخدامها أو تنفيذها بواسطة معالج للأغراض العامة؛ معالج إشارة رقمية digital signal (DSP) processor تطبيق خاص للدوائر المتكاملة application specific integrated «(ASIC)circuit ٠٠ مصفوفة بوابة ALE لبرمجة مجال بعينة field programmable gate (FPGA) array أو أي جهاز منطقي آخر قابل للبرمجة؛ بوابة منفصلة أو منطق fail مكونات صلبة منفصلة؛ أو أي توليفة منها مصممّة لتنفيذ الوظائف الموصوفة هنا. يمكن أن يكون معالج الأغراض العامة عبارة عن معالج دقيق؛ ولكن في النموذج البديل؛ يمكن أن يكون المعالج أي معالج تقليدي؛ وسيلة تحكم؛ وسيلة تحكم دقيقة أو ماكينة حالة. يمكن استخدام المعالج أيضًا Yo كتوليفة من أجهزة الحوسبة؛ على سبيل المثال؛ توليفة DSP ومعالج دقيق؛ مجموعة من ادر py أو أي مكونات DSP المعالجات الدقيقة؛ واحد أو أكثر من المعالجات الدقيقة بالاشتراك مع نوارة أخرى. يمكن مباشرةً تجسيد خطوات الطريقة أو الخوارزنية الموصوفة فيما يتعلق بالنماذج المكشوف عنها هنا في صورة مكونات صلبة؛ وحدة برمجيات يتم استخدامها بواسطة المعالج؛ أو في توليفة من random-access الاثنين. يمكن أن تبقى وحدة البرمجيات في ذاكرة الوصول العشوائي 5
Read Only ؛ ذاكرة القراءة فقط flash memory ذاكرة فلاش ( RAM) memory
Erasable Programmable ذاكرة القراءة فقط القابلة للبرمجة والمسح «( ROM) Memory للمحو والبرمجة كهربائيا ALE ذاكرة قراءة فقط «(EPROM ( Read-Only Memory « (EEPROM) electrically erasable programmable read-only memory « removable disk قرص قابل للإزاتة ¢ hard disk ؛ القرص الصلب registers ا سجلات ٠ storage ؛ أو أي شكل آخر من أشكال وسائط تخزين Compact disk قرص مضغوط قراءة ail المعروفة في الفن. يتم إقران وسيلة التخزين التمثيلية بمعالج مثل معالج 0 المعلومات من ونسخ المعلومات على وسائط تخزين. في نموذج بديل؛ يمكن أن تكون وسيلة يمكن أن ASIC تخزين جزء لا يتجزأ من المعالج. يمكن أن يستقر المعالج ووسائط تخزين في الوحدة الطرفية للمستخدم. في النموذج البديل» يمكن أين يستقر المعالج ووسائط BASIC يستقر ١ التخزين كمكونات منفصلة في الوحدة الطرفية للمستخدم. في واحدة أو أكثر من النماذج التمثيلية؛ يمكن تنفيذ الوظائف المذكورة في مكونات صلبة وبرامج وبرامج الثابتة؛ أو أي توليفة منها. في حال تنفيذها في صورة برمجيات كمنتج برنامج حاسوب؛ يمكن تخزين الوظائف أو نقلها في وصرة تعليمات واحدة أو أكثر أو في صورة شفرة على وسيط غير ثابت يمكن قرائته بالحاسوب. يمكن أن تتضمن الوسائط الممكن قرائتها بالحاسوب تشمل كلاً Yo من وسائط تخزين الحاسوب ووسائط الاتصال بما في ذلك أي وسيلة تسهل نقل برنامج حاسوب من مكان إلى آخر. وسائط التخزين يمكن أن تكون أي وسائط متاحة يمكن الولوج إليها عن طريق جهاز حاسوب. على سبيل المثال؛ وليس الحصر؛ يمكن لمثل هذه الوسائط الكمبيوتر للقراءة غير من أقراص التخزين الضوئية je أو CD-ROM (EEPROM (ROM (RAM انتقالية تضم غيرها J magnetic disk storage ؛ قرص التخزين المغناطيسي optical disk storage Yo
SAYA
يو من أجهزة التخزين المغناطيسية magnetic storage devices « أو أي وسيط آخر يمكن استخدامه لنقل أو تخزين شفرة البرنامج المطلوب في شكل تعليمات أو هياكل بيانات والتي يمكن الولوج إليها عن طريق الحاسوب. وأيضاء أي اتصال يطلق عليه بشكل صحيح مصطلح وسيط قابل للقراءة بالحاسوب. على سبيل المثال؛ إذا تم نقل البرنامج من موقع على شبكة الإنترنت؛ 0 خادم؛ أو مصدر بعيد AT باستخدام كابل ante المحور؛ كابل ألياف ضوئية؛ زوج ملولب؛ خط مشترك رقمي «(DSL) digital subscriber line أو التقنيات اللاسلكية Jie الأشعة تحت الحمراء؛ والراديو؛ والميكروويف؛ ثم يتم تضمين كابل متحد المحورء كابل الألياف البصرية؛ زوج (DSL ody sll) أو التقنيات اللاسلكية Jie الأشعة تحت الحمراء؛ والراديو؛ والموجات الدقيقة في تعريف الوسيط. يتضمن مصطلح (Ga All بحسب ما هو مستخدم (bs يتضمن القرص المضغوط ¢(CD)compactdisc ٠ قرص ليزر؛ القرص الضوئي وقرص رقمي متعدد الاستخدامات digital (DVD) versatile disc القرص المرن وقرص بلو-راي حيث عادة ما تقوم الأقراص بإعادة إنتاج البيانات مغناطيسيًا؛ في الوقت الذي تعيد فيه الأقراص إنتاج البيانات ضوئيًا بالليزر. يجب ad تضمين توليفات مما سبق في نطاق الوسائط القابلة للقراءة بالحاسوب غير الناقلة. تم تقديم الوصف السابق للنماذج المكشوف عنها لتمكين أي شخص ماهر في الفن أو استخدام Vo الاختراع الحالي. من شأن التعديلات المتنوعة لهذه النماذج أن تصبح واضحة بسهولة للأشخاص المهرة في الفن؛ كما يمكن تطبيق المبادئ العامة المحددّة في هذه الوثيقة على نماذج Al دون الخروج عن روح أو نطاق الاختراع. وبالتالي؛ لا يقصد أن يقتصر الاختراع الحالي على النماذج المقدمة هنا ولكن يجب تفسيره على أوسع نطاق بما يتفق مع المبادئ والميزات الجديدة المكشوف عنها هنا. ادر
Claims (1)
- —yvo- عناصر الحماية طريقة تشتمل على: -١ ؛ كمية 3,385 من القدرة المطلوبة لحوسبة processor ؛ من قبل معالج determining تحديد كل من مجموعة السمات؛ 9 تحديد؛ من قبل المعالج؛ جدول زمني تتابعي لحوسبة مجموعة السمات؛ حيث تعتمد حوسبة sensor data sample بيانات مستشعر die على Gia كل مجموعة سمات 0011001100 © على Wa يتلقاها المعالج من مستشعر؛ وحيث يعتمد الجدول الزمني التتابعي الذي تم تحديده من القدرة اللازمة لحوسبة كل من مجموعة السمات؛ 3A الأقل على الكمية ؛ سمة أولى وفقاً للجدول الزمني التتابعي؛ و processor ؛ من قبل المعالج cOMputing حوسبة قبل حوسبة termination condition تحديد؛ من قبل المعالج؛ ما إذا تم استيفاء شرط الإنهاء السمة الثانية في الجدول الزمني التتابعي. - ٠ على: Wad تشتمل of الطريقة وفقًا لعنصر الحماية -" السمة الأولى التي computing ؛ حوسبة processor ؛ من قبل المعالج determining تحديد s¢termination condition تستوفي متطلبات شرط الإنهاء بناءًا على نتيجة sensordata sample تصنيف»؛ من قبل المعالج؛ عينة بيانات المستشعر ١ حوسبة السمة الأولى. على: Wad تشتمل of الطريقة وفقًا لعنصر الحماية -* السمة الأولى التي computing ؛ حوسبة processor ؛ من قبل المعالج determining تحديد ¢termination condition في استيفاء متطلبات شرط الإنياء Jas Ye حوسبة 0000010809 ؛ من قبل المعالج؛ عند فشل السمة الأولى في استيفاء متطلبات شرط ؛ السمة الثانية في الجدول الزمني التتابعي؛ termination condition الإنهاء السمة الثانية التي تستوفي متطلبات شرط الإنهاء؛ computing تحديد؛ من قبل المعالج؛ حوسبة و SAYA#١ لنتائج حوسبة &, sensordata sample تصنيف؛ من قبل المعالج؛ عينة بيانات المستشعر السمتين الأولى والثانية. حيث يتم تحديد الجدول الزمني التتابعي بناءاً على على واحد ٠ ؟- الطريقة وفقًا لعنصر الحماية أو أكثر مما يلي: احتمال أن تسفر كل سمة عن تصنيف؛ من قبل المعالج؛ لا لبس فيه؛ أو تكرار 0 . sensor data نسبي لحالات تصنيف؛ من قبل المعالج؛ الفئات من بيانات المستشعر لعنصر الحماية )0 حيث يشتمل الوفاء بمتطلبات تحديد شرط الإنهاء Eg الطريقة -5 حيث يتم بلوغ التأكد Baal تحديد أن التأكد في التصنيف يفي بالقيمة termination condition SENSOr في التصنيف بناءًا على واحد أو أكثر مما يلي: التشابه بين سمة لعينة بيانات المستشعر مع سمة لعينة بيانات تدريبية؛ أو فرق في الاحتمال بين مجموعة ممكنة من data sample .classifications التصنيفات حيث السمة الأولى عبارة عن متوسط أو الانحراف المعياري ١ الطريقة وفقًا لعنصر الحماية -7 لمقياس التسارع» حيث ينتج عن حوسبة المتوسط أو الانحراف المعياري standard deviation Vo وحيث تشتمل الطريقة cstationary classification تصنيف ثابت standard deviation . feature computation أيضنًا على إلغاء حوسبة حركة تالية متعلقة بحوسبة السمات حيث تكون السمة الأولى عبارة عن معاملات نغمة طيف ٠ الطريقة وفقًا لعنصر الحماية -“ حيث ينتج « microphone من مكبر الصوت audio energy تردد مناظرة للطاقة الصوتية ٠ ؛ وحيث تشتمل quiet classification عن حوسبة معاملات نغمة طيف تردد تصنيف ساكن feature على إلغاء حوسبة الصوت التالي المتعلق بحوسبة السمات Un الطريقة.computation sensor data sample حيث تكون عينة بيانات المستشعر ٠ لعنصر الحماية Ga, الطريقة -A Yo مقياس (Gyroscope ؛ جيروسكوب accelerometer من واحد أو أكثر مما يلي: مقياس تسارع SAYAالا شدة (المجالات) المغناطيسية magnetometer ؛ مستشعر ضغط بارومتري barometric pressure sensor ؛ مستشعر درجة الحرارة temperature sensor ؛ مستشعر تحديد مواقع عالمي global positioning sensor ؛ مستشعر شبكة واي فاي WiFi sensor « مستشعر بلوتوث Bluetooth sensor ؛ مستشعر الضوء في البيئة المحيطة ambient light sensor « © آلة تصوير (camera أو microphone isa <a . 4 — وسط تخزين غير انتقالي non-transitory storage medium قابل للقراءة AVL يحتوي على تعليمات يمكن تنفيذها تتسبب في تنفيذ جهاز معالجة بيانات data processing device طريقة تشتمل على: ٠ تحديد؛ من قبل معالج؛ SCAT من القدرة المطلوبة من قبل المعالج لحوسبة 001711109 كل من مجموعة السمات؛ تحديد؛ من قبل المعالج؛ جدول زمني تتابعي لحوسبة 00071017710 مجموعة السمات؛ حيث تعتمد حوسبة كل مجموعة سمات جزئيًا على عينة بيانات مستشعر يتلقاها المعالج من مستشعر؛ وحيث يعتمد تحديد الجدول الزمني التتابعي Wha على الأقل على الكمية SEAN من القدرة ١ المطلوبة لحوسبة كلل من مجموعة السمات؛ حوسبة؛ من قبل المعالج؛ سمة أولى Gg للجدول الزمني التتابعي لسمات الحوسبة؛ و تحديد؛ من قبل المعالج؛ ما إذا تم الوفاء بشرط الإنيهاء condition 16100108101 قبل حوسبة سمة ثانية في الجدول الزمني التتابعي. -٠١ 0 ٠ وسط تخزين غير مؤقت non—transitory storage medium يمكن قراءته a, Gl لعنصر الحماية od حيث تشتمل الطريقة Wad على: تحديد؛ من قبل المعالج؛ حوسبة السمة الأولى التي تستوفي متطلبات شرط الإنهاء termination 00007 ؛ و تصنيف؛ من قبل المعالج؛ عينة بيانات المستشعر sample 0818 560501 بناءًا على نتيجة Yo حوسبة السمة الأولى. SAYAم -١١ وسط تخزين غير مؤقت storage medium /01أأً001-18015 يمكن قراءته a, UW لعنصر الحماية od حيث تشتمل الطريقة Wad على: تحديد؛ من قبل المعالج؛ حوسبة السمة الأولى التي تفشل في استيفاء متطلبات شرط الإنهاء stermination condition 0 حوسبة؛ من قبل المعالج؛ عند فشل السمة الأولى في استيفاء متطلبات شرط الإنهاء termination condition السمة الثانية في الجدول الزمني التتابعي؛ تحديد؛ من قبل المعالج؛ حوسبة السمة الثانية التي تستوفي متطلبات شرط الإنهاء termination 00007 ؛ و تصنيف؛ من قبل المعالج؛ die بيانات المستشعر sample 0818 560501 ,& لنتائج حوسبة Ye السمتين الأولى والثانية. -١ وسط تخزين غير مؤقت storage medium /01أأً001-18015 يمكن قراءته a, WT لعنصر الحماية 9؛ حيث يتم تحديد الجدول الزمني التتابعي بناءًا على واحد أو أكثر مما يلي: احتمال أن تسفر كل سمة عن تصنيف؛ من قبل المعالج؛ لا لبس فيه؛ أو تكرار نسبي لحالات ١ تصنيف؛ من قبل المعالج؛ الفئات من بيانات المستشعر. -١ وسط تخزين غير مؤقت storage medium /017أأً001-1805 يمكن قراءته a, WT لعنصر الحماية 9؛ حيث يشتمل الوفاء بمتطلبات تحديد شرط الإنياء termination condition تحديد بلوغ التأكد في التصنيف القيمة الحديّة؛ حيث يتم بلوغ التأكد في التصنيف بناءًا على واحد YL أو أكثر مما يلي: التشابه بين سمة لعينة بيانات المستشعر sample 5805010818 مع سمة لعينة بيانات تدريبية؛ أو فرق في الاحتمال بين مجموعة ممكنة من التصنيفات. 4- وسط تخزين غير storage medium cise 000-1805017 يمكن قراءته Ga, WI لعنصر الحماية 9؛ حيث السمة الأولى le عن متوسط أو الانحراف المعياري 518008108 deviation Yo لمقياس التسارع» حيث ينتج عن حوسبة المتوسط أو الانحراف المعياري 518008108 SAYA4+ deviation تصنيف ثابت cstationary classification وحيث تشتمل الطريقة Waa على إلغاء حوسبة حركة تالية متعلقة بحوسبة السمات feature computation . - وسط تخزين غير storage medium cise 000-1305017 يمكن قراءته Gi, Ul © لعنصر الحماية 4( حيث تكون السمة الأولى عبارة عن معاملات نغمة طيف تردد مناظرة للطاقة الصوتية audio energy من مكبر الصوت microphone ؛ حيث ينتج عن حوسبة معاملات نغمة طيف aaj تصنيف ساكن quiet classification ؛ وحيث تشتمل الطريقة Waal على إلغاء حوسبة الصوت التالي المتعلق بحوسبة السمات feature computation . -١10 ٠ وسط تخزين غير storage medium cise 000-1305017 يمكن Gy, Waid لعنصر الحماية 9؛ حيث تكون عينة بيانات المستشعر sensor 0818 sample من واحد أو أكثر مما يلي: مقياس تسارع accelerometer ؛ جيروسكوب gyroscope ؛ مقياس شدة (المجالات) المغناطيسية magnetometer ؛ مستشعر ضغط بارومتري barometric pressure sensor مستشعر درجة الحرارة temperature sensor ؛ مستشعر تحديد مواقع Yo عالمي global positioning sensor ؛ مستشعر شبكة واي فاي WiFi sensor « مستشعر بلوتوث Bluetooth sensor ؛ مستشعر الضوء في البيئة المحيطة ambient light sensor « Al تصوير 0801218 » أو مُكبّرٌ صوت microphone . lea -١١ معالجة بيانات data processing device يشتمل على: ٠ وحدة خصائص قدرة مهيئة لتحديد كمية مُقَذَرةِ من القدرة المطلوبة من قبل معالج لحوسبة كل من مجموعة السمات؛ وحدة جدولة مهيئة لتحديد؛ من قبل المعالج؛ جدول زمني تتابعي لحوسبة مجموعة السمات؛ حيث تتم حوسبة كل مجموعة سمات من قبل المعالجة في جزءٍ منها بناءًا على عينة بيانات مستشعر متلقاة من مستشعر؛ وحيث يتم تحديد الجدول الزمني التتابعي Wha على الأقل على الكمية a YO من القدرة المطلوبة من قبل المعالج لحوسبة JS من مجموعة السمات؛ و SAYA— ¢ «=وحدة وسيلة تصنيف لحوسبة سمة أولى في الجدول الزمني التتابعي وتحديد ما إذا تم الوفاء بشرطالإنهاء termination condition قبل حوسبة سمة ثانية في الجدول الزمني التتابعي.A )= جهاز معالجة بيانات data processing device ,& لعنصر الحماية VY حيث تتم © تهيئة وحدة وسيلة التصنيف classifier module ؛ من قبل المعالج؛ أيضًا ل:تحديد حوسبة السمة الأولى التي تستوفي متطلبات شرط الإنهاء sstermination conditionتصنيف عينة بيانات المستشعر 5800016 0818 5601501 بناءًا على نتيجة حوسبة السمةالأولى.-١9 0٠ جهاز معالجة بيانات data processing device ,& لعنصر الحماية VY حيث تتم تهيئة وحدة وسيلة التصنيف classifier module ؛ من قبل المعالج؛ ARCH] تحديد؛ من قبل المعالج؛ حوسبة السمة الأولى التي تفشل في استيفاء متطلبات شرط الإنهاء stermination condition حوسبة؛ عند فشل السمة الأولى في استيفاء متطلبات شرط الإنياء termination conditionVo السمة الثانية في الجدول الزمني التتابعي؛ تحديد حوسبة السمة الثانية التي تستوفي متطلبات شرط الإنهاء s¢termination condition تصنيف عينة بيانات المستشعر 6ا5300 0818 560501 ,& لنتائج حوسبة السمتين الأولى والثانية.-7١ 0 ٠ جهاز معالجة بيانات data processing device ,& لعنصر الحماية VY حيث يتم تحديد الجدول الزمني التتابعي بناءًا على واحد أو أكثر مما يلي: احتمال أن تسفر كل سمة عن تصنيف؛ من قبل المعالج؛ لا لبس فيه؛ أو تكرار نسبي لحالات تصنيف؛ من قبل المعالج؛ الفئات من بيانات المستشعر.-”7١ Yo جهاز dallas بيانات data processing device ,& لعنصر الحماية VY حيث يتم استيفاء متطلبات وحدة وسيلة التصنيف classifier module المهيئة لتحديد شرط الإنهاءSAYA gy بناءًا على بلوغ التأكد في التصنيف القيمة الحديّة؛ حيث يتم بلوغ التأكد termination condition SENSOr في التصنيف بناءًا على واحد أو أكثر مما يلي: التشابه بين سمة لعينة بيانات المستشعر مع سمة لعينة بيانات تدريبية؛ أو فرق في الاحتمال بين مجموعة ممكنة من data sample التصنيفات. lo} —YY جهاز معالجة بيانات data processing device ,& لعنصر الحماية VY حيث تتم تهيئة وحدة الجدولة أيضًا ل: إلغاء حوسبة حركة تالية متعلقة بحوسبة السمات feature computation عند تحديد أن السمة الأولى عبارة عن المتوسط أو الانحراف المعياري standard deviation لمقياس التسارع مما stationary classification ينتج عنه تصنيف ثابت ٠ حيث تتم VY لعنصر الحماية &, data processing device جهاز معالجة بيانات —YY تهيئة وحدة الجدولة أيضًا ل: عند تحديد أن feature computation إلغاء حوسبة الصوت التالي المتعلق بحوسبة السمات Vo السمة الأولى عبارة عن معاملات نغمة طيف تردد مناظرة للطاقة الصوتية audio energy من مكبر الصوت Microphone مما ينتج عنه تصنيف ساكن quiet classification . ؛؟- جهاز معالجة بيانات data processing device وفقًا لعنصر الحماية VY حيث تكون معينة بيانات المستشعر data sample 500501 واحد أو أكثر مما يلي: مقياس تسارع accelerometer ٠ ؛ جيروسكوب gyroscope ؛ مقياس شدة (المجالات) المغناطيسية magnetometer ؛ مستشعر ضغط بارومتزري barometric pressure sensor ؛ مستشعر درجة الحرارة temperature sensor ؛ مستشعر تحديد مواقع عالمي global positioning 01 ؛ مستشعر شبكة واي فاي WiFi sensor « مستشعر بلوتوث Bluetooth sensor « مستشعر الضوء في البيئة المحيطة ambient light sensor » آلة تصوير «camera أو J. microphone صوت Yo SAYAوه - جهاز يشتمل على: وسيلة لتحديد determining كمية 5,04 من القدرة المطلوبة من قبل معالج لحوسبة IS من مجموعة السمات؛ وسيلة تحديد جدول زمني تتابعي لحوسبة مجموعة السمات؛ حيث تعتمد حوسبة كل من مجموعة 0 السمات جزئيًا على عينة بيانات مستشعر متلقاة من مستشعر؛ وحيث يعتمد تحديد الجدول الزمني التتابعي Wa على الأقل على كمية القدرة 5080 المطلوبة لحوسبة كل من مجموعة السمات؛ وسيلة لحوسبة سمة أولى Gy للجدول الزمني التتابعي؛ و وسيلة تحديد ما إذا تم الوفاء بشرط الإنهاء termination condition قبل حوسبة سمة ثانية في الجدول الزمني التتابعي. ye 7- الجهاز Gay لعنصر الحماية Vo تشتمل أيضًا على: وسيلة لتحديد حوسبة means for determining the computing السمة الأولى التي تستوفي متطلبات شرط الإنياء termination condition ¢ وسيلة لتصنيف عينة بيانات المستشعر 5807016 0818 560501 _بناءًا على نتيجة حوسبة السمة ve الأولى. -7١ الجهاز وفقًا لعنصر الحماية (Vo تشتمل Wal على: وسيلة لتحديد حوسبة means for determining the computing السمة الأولى التي تفشل في استيفاء متطلبات شرط الإنياء ttermination condition ٠ - وسيلة للحوسبة؛ عند فشل السمة الأولى في استيفاء متطلبات شرط الإنهاء termination dell condition الثانية في الجدول الزمني التتابعي؛ وسيلة لتحديد حوسبة means for determining the computing السمة الثانية التي تستوفي متطلبات شرط الإنهاء s¢termination condition وسيلة لتصنيف عينة بيانات المستشعر datasample 560501 ,& لنتائج حوسبة السمتين vo الأولى والثانية. SAYAاسه 7- الجهاز وفقًا لعنصر الحماية (YO حيث تتم تهيئة وسيلة تحديد الجدول الزمني التتابعي لتحديد الجدول الزمني التتابعي بناءًا على واحد أو أكثر مما يلي: احتمال أن تسفر كل سمة عن تصنيف؛ من قبل المعالج؛ لا لبس فيه؛ أو تكرار نسبي لحالات تصنيف؛ من قبل المعالج؛ الفئات من بيانات المستشعر 0818 560501 . lo} 4>- الجهاز Ey لعنصر الحماية (YO حيث يشتمل تحديد استيفاء شرط الإنهاء termination Le condition تحديد بلوغ التأكد في التصنيف القيمة الحديّة؛ حيث يتم بلوغ التأكد في التصنيف بناءًا على واحد أو أكثر مما يلي: التشابه بين dew لعينة بيانات المستشعر sensor data ©8800 مع سمة لعينة بيانات تدريبية؛ أو فرق في الاحتمال بين مجموعة ممكنة من ٠ التصنيفات. ©- الجهاز وفقًا لعنصر الحماية (Yo حيث السمة الأولى عبارة عن متوسط أو الانحراف المعياري standard deviation لمقياس التسارع مما ينتج aie تصنيف stationary «uli classification وحيث يشتمل الجهاز Wall على لإلغاء إلغاء حوسبة حركة تالية متعلقة بحوسبة. feature computation السمات Vo حيث تكون السمة الأولى عبارة عن معاملات نغمة طيف (Yo لعنصر الحماية Bag الجهاز —¥) aie ينتج le Microphone من مكبر الصوت 81010 energy تردد مناظرة للطاقة الصوتية وحيث يشتمل الجهاز على وسيلة لإلغاء حوسبة الصوت quiet classification تصنيف ساكن. feature computation التالي المتعلق بحوسبة السمات apparatus comprises means ٠ sensordata حيث تكون عينة بيانات المستشعر (V0 "-الجهاز وفقًا لعنصر الحماية «Jyroscope ؛ جيروسكوب accelerometer واحد أو أكثر مما يلي: مقياس تسارع sample ؛ مستشعر ضغط بارومتري magnetometer مقياس شدة (المجالات) المغناطيسية « temperature sensor مستشعر درجة الحرارة « barometric pressure sensor Yo WiFi ؛ مستشعر شبكة واي فاي global positioning sensor alle مستشعر تحديد مواقع SAYA— ¢ ¢ — sensor ؛ مستشعر بلوتوث Bluetooth sensor مستشعر الضوء فى البيئة المحيطة ambient light sensor » آلة تصوير «camera أو 4< صوت microphone . SAYAFS § eet ; H H H H [ H H : H : H ا 1 i 1 0 ْ 0 5 3 3 N H BN ; 1 wi 1 PRT H N 1 N ; JAG i i لبا | i Eee WR H 3 Yim 0 RN 3 ; i 1 الجن | i t 1# i 3 RN awn x Is N 1 i RU chjeliul UU Is N : i H 8 POY B 3 H i i 1 Tod i i 1 vod i i 1 Pod N 8 N Eo ا اال اا 3 ا Pod ب 8 N i 3 re ب 1 RI 8 Pod : i i BE HH p Is N : i : 1 RARE Ha NO :ا الم 8 ا م CRI 1 1 N ; i x N 1 | N Te i سي H 4 سسحت ل الت i i H متت ARERR H A A AAR ARRAY + 0 " : pg ————— 0 ١ الححح د H ل 3 0 1 i : SUN S— mmmm————————— } i N 1 < ¥ EY الس ا [USI الت FSS" 3 i 1 i i 4 ا H i i 3 i Pi BE 8 N iE ES + | [i it 3 N Pi H NE Pi i 3 N Pi 3 NE Pi i H N AN 8 { HI H 0 i سس 3 } ii i i Hi IH Ey H IA HN 8 HH va : + Hl Hi i ال ا 5 3 ا 0} ta مب EERE 5 SERFS. جح FI reer: HH SN 3 — : i ص الها i ont Phun nd Jl nd Pm d LIE 5 od i1 .لجنيا تنيت fad © إٍْ H ; H 1 H تين ب#ببمبسسستكشسس 1 ti 7 0 إْ | HE] H N 1 H td 1 N i H td 1 N i 1 HE + { ; H td : N i H td : N i H td : N i H 8 td : N i a a : N احج FE TR 3 ra N i mann 3) J. 4 لحب : لمعا ania ian rani nnd i H i y شا Aaل 3 ¥ Ld سسب [ عا حالم عا ee Xen Yah | Sa Sc) SN ؟ Sad SAYAاه ا i i i i i bs ; K H i H >" شكل + شخل 1 SAYAان ٠ الت ل شكا ؛ بخ SAYA—¢ 83 Fon ay - : ¥ aged Bh,م اواج Re اا 1 i لها BAY مدال يه ال PFE he" VoL السك ع od7 30 av ا : he i #8 0 الا wf SEE يبح Nt ; إْ #8 1 8 : 3 : i E : ES : 3 8 2 8 : k 1 ب Bow fs § i 3B 3 : FES ih x 4 : 3 : : 8 ١ eT سا 1 اا © ا ا ب Sh 8 8 5 : 3 ّ SEE الها :ْ 0 ٍْ و أله ™ a SN x د 1 0 1# :: HT ات 1 © pi : ® ا ; godUR TI FT نا TR * ال Es XE امد A الا ا ا el ال ا اللي تم ميم اا قم فرقم الا سس د NSS Ra 3 DIC KPRRIE RRR لحي لا ا 1 1 Pos a 8 3 : » .ان Box i 1 i i & | * ل | EVIE اق لي» Fd > | Lo ا "ا ا « 0" : ْ ا ب 8 1 & NI rE OX ¥ 1 a fi ns te nto Bn hn i tienen ing 8 5 8 : 8 2 ; 8 : 8 : 8 ® 8 1 1+ 0 i 1 = : I ا تيدذ* 1 ا # م 3 : : PI BEE #_الد” 0 Low \ (I SEIN SNES SRS أي ا ب ا اا تا قلا ا اق ساسا ألا اها SUI ١ 1 LE ® § Fa § : 5 0 : . 3 & & د &® N : 5 : 8 + : : : JONES RCE XJ § : 3 3 3 i x Taw ٍ 1 : 0 ا ا ماع Sp deere EA | re pr اللا ا ااا ااا مات 0 ٍ 1 ; £ 3 1 4 : ' ES : 0 : i FL Lo : | | Fa : اس po $= مر شا 7 1 3 nal Aids ov Lah oil] ALAR) 3 ما السمة ب 2X 0 na بيع SAYA_ Qo = ER EN 23 Ce Bus or SAYA_— \ جم fi ES i al LS الج 1 Seng, Ym : og “ نج شا Vv wo SAYA_— \ جم WY "a AOR بي hn ME SAYAAd —_ جم pr bi 1 ْ | متخ Se ١ a - لأ اا شكل م % ا eh SAYA_ جم av . ْ ع a’ 0 ps : ; ون م Wo شكل 4 SAYA: :ا ا - oh hl LIE ا ات a, 1 والح A i 8 " إ و ل يالا ولأ a بيخ SAYAمدة سريان هذه البراءة عشرون سنة من تاريخ إيداع الطلب وذلك بشرط تسديد المقابل المالي السنوي للبراءة وعدم بطلانها أو سقوطها لمخالفتها لأي من أحكام نظام براءات الاختراع والتصميمات التخطيطية للدارات المتكاملة والأصناف النباتية والنماذج الصناعية أو لائحته التنفيذية صادرة عن مدينة الملك عبدالعزيز للعلوم والتقنية ؛ مكتب البراءات السعودي ص ب TAT الرياض 57؟؟١١ ¢ المملكة العربية السعودية بريد الكتروني: patents @kacst.edu.sa
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261728190P | 2012-11-19 | 2012-11-19 | |
| US13/841,960 US10133329B2 (en) | 2012-11-19 | 2013-03-15 | Sequential feature computation for power efficient classification |
| PCT/US2013/065431 WO2014078007A1 (en) | 2012-11-19 | 2013-10-17 | Sequential feature computation for power efficient classification |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| SA515360446B1 true SA515360446B1 (ar) | 2018-03-29 |
Family
ID=50729116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| SA515360446A SA515360446B1 (ar) | 2012-11-19 | 2015-05-17 | حوسبة سمة تسلسلية لتصنيف كفاءة قدرة |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US10133329B2 (ar) |
| EP (1) | EP2920690A1 (ar) |
| JP (1) | JP6379099B2 (ar) |
| KR (1) | KR20150087253A (ar) |
| CN (1) | CN104781787B (ar) |
| AP (1) | AP2015008445A0 (ar) |
| EC (1) | ECSP15026167A (ar) |
| MA (1) | MA38106B1 (ar) |
| SA (1) | SA515360446B1 (ar) |
| WO (1) | WO2014078007A1 (ar) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160077892A1 (en) * | 2014-09-12 | 2016-03-17 | Microsoft Corporation | Automatic Sensor Selection Based On Requested Sensor Characteristics |
| US9933838B2 (en) | 2014-09-24 | 2018-04-03 | Seagate Technology Llc | Power management in a storage compute device |
| US20170281054A1 (en) * | 2016-03-31 | 2017-10-05 | Zoll Medical Corporation | Systems and methods of tracking patient movement |
| US11327475B2 (en) | 2016-05-09 | 2022-05-10 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for intelligent collection and analysis of vehicle data |
| US11774944B2 (en) | 2016-05-09 | 2023-10-03 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for the industrial internet of things |
| US10866584B2 (en) | 2016-05-09 | 2020-12-15 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data processing in an industrial internet of things data collection environment with large data sets |
| US11237546B2 (en) | 2016-06-15 | 2022-02-01 | Strong Force loT Portfolio 2016, LLC | Method and system of modifying a data collection trajectory for vehicles |
| US10921801B2 (en) | 2017-08-02 | 2021-02-16 | Strong Force loT Portfolio 2016, LLC | Data collection systems and methods for updating sensed parameter groups based on pattern recognition |
| KR20200037816A (ko) | 2017-08-02 | 2020-04-09 | 스트롱 포스 아이오티 포트폴리오 2016, 엘엘씨 | 대규모 데이터 세트들을 갖는 산업 사물 인터넷 데이터 수집 환경에서의 검출을 위한 방법들 및 시스템들 |
| US10311874B2 (en) | 2017-09-01 | 2019-06-04 | 4Q Catalyst, LLC | Methods and systems for voice-based programming of a voice-controlled device |
| US10403303B1 (en) * | 2017-11-02 | 2019-09-03 | Gopro, Inc. | Systems and methods for identifying speech based on cepstral coefficients and support vector machines |
| CN108764353B (zh) * | 2018-05-25 | 2021-11-30 | 中国电力科学研究院有限公司 | 基于匹配度的大规模电力系统功率曲线分类方法 |
| US20220277176A1 (en) * | 2021-02-26 | 2022-09-01 | International Business Machines Corporation | Log classification using machine learning |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6775787B2 (en) | 2002-01-02 | 2004-08-10 | Intel Corporation | Instruction scheduling based on power estimation |
| US7203635B2 (en) | 2002-06-27 | 2007-04-10 | Microsoft Corporation | Layered models for context awareness |
| US20040268159A1 (en) | 2003-06-30 | 2004-12-30 | Microsoft Corporation | Power profiling |
| US7440751B2 (en) | 2005-06-30 | 2008-10-21 | Nokia Corporation | System and method for controlling energy usage in mobile applications |
| EP1750421B1 (en) | 2005-08-04 | 2017-11-08 | Lenovo Innovations Limited (Hong Kong) | Execution of an application in a mobile communication terminal when plugging on cradle for charging |
| JP2009506663A (ja) | 2005-08-24 | 2009-02-12 | トムソン ライセンシング | モバイル装置の電力管理のための方法及び機器 |
| US20110044501A1 (en) | 2006-07-14 | 2011-02-24 | Ailive, Inc. | Systems and methods for personalized motion control |
| US9582060B2 (en) | 2006-08-31 | 2017-02-28 | Advanced Silicon Technologies Llc | Battery-powered device with reduced power consumption based on an application profile data |
| US20080161712A1 (en) | 2006-12-27 | 2008-07-03 | Kent Leyde | Low Power Device With Contingent Scheduling |
| US8145677B2 (en) * | 2007-03-27 | 2012-03-27 | Faleh Jassem Al-Shameri | Automated generation of metadata for mining image and text data |
| US7961946B2 (en) * | 2007-05-15 | 2011-06-14 | Digisensory Technologies Pty Ltd | Method and system for background estimation in localization and tracking of objects in a smart video camera |
| US20110016455A1 (en) * | 2009-07-20 | 2011-01-20 | Glenn Perry | Power Profiling for Embedded System Design |
| US20110085728A1 (en) * | 2009-10-08 | 2011-04-14 | Yuli Gao | Detecting near duplicate images |
| CN101877054A (zh) | 2009-11-23 | 2010-11-03 | 北京中星微电子有限公司 | 一种针对人脸图像的年龄判别方法和装置 |
| JP2011170856A (ja) | 2010-02-22 | 2011-09-01 | Ailive Inc | 複数の検出ストリームを用いたモーション認識用システム及び方法 |
| EP2588994A4 (en) | 2010-07-01 | 2017-03-22 | Nokia Technologies Oy | Adaptation of context models |
| US9374787B2 (en) * | 2011-02-10 | 2016-06-21 | Alcatel Lucent | Method and apparatus of smart power management for mobile communication terminals using power thresholds |
| CN102193633B (zh) | 2011-05-25 | 2012-12-12 | 广州畅途软件有限公司 | 一种数据手套动态手语识别方法 |
| US20130159454A1 (en) * | 2011-12-16 | 2013-06-20 | Motorola Mobility, Inc. | Customizing distribution of data from a sensor network data |
-
2013
- 2013-03-15 US US13/841,960 patent/US10133329B2/en active Active
- 2013-10-17 JP JP2015543052A patent/JP6379099B2/ja active Active
- 2013-10-17 AP AP2015008445A patent/AP2015008445A0/xx unknown
- 2013-10-17 KR KR1020157014160A patent/KR20150087253A/ko active IP Right Grant
- 2013-10-17 CN CN201380059523.7A patent/CN104781787B/zh active Active
- 2013-10-17 EP EP13786783.4A patent/EP2920690A1/en not_active Withdrawn
- 2013-10-17 WO PCT/US2013/065431 patent/WO2014078007A1/en active Application Filing
-
2015
- 2015-05-15 MA MA38106A patent/MA38106B1/fr unknown
- 2015-05-17 SA SA515360446A patent/SA515360446B1/ar unknown
- 2015-06-18 EC ECIEPI201526167A patent/ECSP15026167A/es unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP2920690A1 (en) | 2015-09-23 |
| AP2015008445A0 (en) | 2015-05-31 |
| KR20150087253A (ko) | 2015-07-29 |
| ECSP15026167A (es) | 2016-01-29 |
| JP2016504663A (ja) | 2016-02-12 |
| CN104781787B (zh) | 2019-05-21 |
| JP6379099B2 (ja) | 2018-08-22 |
| CN104781787A (zh) | 2015-07-15 |
| US10133329B2 (en) | 2018-11-20 |
| US20140143579A1 (en) | 2014-05-22 |
| MA38106A1 (fr) | 2016-06-30 |
| WO2014078007A1 (en) | 2014-05-22 |
| MA38106B1 (fr) | 2017-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| SA515360446B1 (ar) | حوسبة سمة تسلسلية لتصنيف كفاءة قدرة | |
| US10468032B2 (en) | Method and system of speaker recognition using context aware confidence modeling | |
| US20190026630A1 (en) | Information processing apparatus and information processing method | |
| US11367434B2 (en) | Electronic device, method for determining utterance intention of user thereof, and non-transitory computer-readable recording medium | |
| CN106471527B (zh) | 从全局模型进行本地化学习 | |
| US10832685B2 (en) | Speech processing device, speech processing method, and computer program product | |
| US10540958B2 (en) | Neural network training method and apparatus using experience replay sets for recognition | |
| US20130245986A1 (en) | Detecting that a mobile device is riding with a vehicle | |
| CN113646985A (zh) | 电池运行的预测管理 | |
| EP3346428A1 (en) | Sensor design support apparatus, sensor design support method and computer program | |
| CN107169534A (zh) | 模型训练方法及装置、存储介质、电子设备 | |
| CN112739253A (zh) | 用于肺部状况监测与分析的系统和方法 | |
| CN106062871A (zh) | 使用所选择的群组样本子集来训练分类器 | |
| US20170294139A1 (en) | Systems and methods for individualized driver prediction | |
| KR20200097993A (ko) | 전자 장치 및 이의 제어 방법 | |
| WO2013157332A1 (ja) | 行動識別装置、行動識別システム及び行動識別プログラム | |
| US11580362B2 (en) | Learning apparatus, generation apparatus, classification apparatus, learning method, and non-transitory computer readable storage medium | |
| CN113988458A (zh) | 反洗钱风险监控方法和模型训练方法、装置、设备及介质 | |
| WO2012105386A1 (ja) | 有音区間検出装置、有音区間検出方法、及び有音区間検出プログラム | |
| EP4300947A1 (en) | Systems, apparatus, articles of manufacture, and methods for eye gaze correction in camera image streams | |
| US11308510B2 (en) | Methods and apparatus to collect and analyze rating information | |
| KR20210063698A (ko) | 전자장치와 그의 제어방법, 및 기록매체 | |
| US20190214037A1 (en) | Recommendation device, recommendation method, and non-transitory computer-readable storage medium storing recommendation program | |
| JP2024506777A (ja) | 機械学習モデルの混合クライアント－サーバ連合学習 | |
| JP2023027697A (ja) | 端末装置、送信方法、送信プログラム及び情報処理システム |